기계 전자 공학과 인공 지능의 관계에 관한 연구
최근 몇 년 동안, 세계 각 선진국들은 생산력을 높이기 위해 기계전자공학을 발전시키기 위해 경쟁하고 있다. 기계전자공학도 지능화, 네트워크화, 유연성으로 발전하고 있다. 기계전자공학과 인공지능의 완벽한 융합은 이 업계에 혁명적인 변화와 놀라운 경제적 효과를 가져왔다. 이 글은 기계전자공학, 인공지능, 그리고 양자의 융합 세 방면에서 이러한 추세를 논술하였다.
기계 및 전자 공학; 인공지능 정보 처리
0 소개
전통적인 기계 공학은 일반적으로 동력과 제조의 두 가지 주요 범주로 나뉜다. 제조 공사에는 가공, 가공물 제조 및 조립이 포함되며, 동력 공사에는 다양한 발전기가 포함됩니다. 전통적인 기계 공학과 비교해, 전자 공학은 지난 세기에 점차적으로 결합 된 상대적으로 새로운 분야 이다. 처음에는 전자공학과 기계공학이 블록별 분리 모드나 기능 대체 모드를 통해 결합되었다. 과학기술이 끊임없이 발전함에 따라 전통적인 기계공학과 현대의 전자공학은 정보기술의 유기적 결합을 통해 현재의 기계전자공학학과를 형성하였다. 인공지능 기술이 발달하면서 기계전자공학은 전통적인 에너지 연결, 운동 에너지 연결에서 정보 연결로 발전하여 기계전자공학이 어느 정도 인공지능을 갖추게 되었다. 전통적인 기계 전자 공학은 현대 과학 기술을 통해 새로운 발전 분야에 진입했다. 이와 함께 기계 전자공학이 복잡해짐에 따라 인공지능 기술도 장족의 발전을 이루었다.
1 기계 전자 공학
1..1기계 전자 공학 발전사
20 세기는 과학 발전의 가장 휘황찬란한 시기로, 각 학과가 서로 침투하고, 서로 보완하며, 기계전자공학학과도 이 시기에 생겨났다. 기계공학, 전자공학, 정보공학, 지능기술, 관리기술이 결합된 새로운 이론 체계와 발전 분야입니다. 과학기술이 끊임없이 발전함에 따라 기계 전자 공학은 갈수록 복잡해졌다.
기계전자공학의 발전은 세 단계로 나눌 수 있다. 첫 번째 단계는 수공업을 주요 생산력으로 하는 맹아 단계이다. 이 시기에는 생산성이 낮고 인적자원이 부족하여 생산력의 발전을 심각하게 제약했고, 과학자들은 어쩔 수 없이 심사숙고하고 변화를 구하여 기계 공업의 발전을 초래하였다. 두 번째 단계는 파이프 라인 생산을 표시하는 표준 부품 생산 단계입니다. 이런 생산 방식은 생산성을 크게 높여 대량 생산이 나타나기 시작했다. 그러나 표준 부품에 대한 요구가 높기 때문에 생산에 유연성이 부족하여 변화하는 사회적 요구를 충족시킬 수 없습니다. 세 번째 단계는 현대 기계 전자 산업의 공통 단계입니다. 현대 사회의 생활 리듬이 빨라 유연성, 적응력, 생산주기가 짧고 제품 품질이 높은 첨단 기술 생산 방식이 절실히 필요하다. 기계전자공학을 핵심으로 한 유연한 제조 시스템이 바로 이 단계의 산물이다. 유연한 제조 시스템은 가공 자동화를 기반으로 물류 및 정보 흐름을 자동화할 수 있는 처리, 물류 및 정보 흐름으로 구성됩니다.
1.2 기계 전자 공학의 특징
기계 전자 공학은 기계 공학과 전자 기술의 효과적인 결합이다. 그것들 사이에는 물리적인 동력 연결뿐만 아니라 기능적인 정보 연결뿐만 아니라 모든 기계와 전자 정보를 지능적으로 처리할 수 있는 컴퓨터 시스템도 포함되어 있다. 기계일체화 공사는 전통적인 기계공학에 비해 독특한 특징을 가지고 있다.
1) 설계 차이. 기계전자공학은 독립된 학과가 아니라 각 학과의 정수를 담은 종합 학과이다. 설계에서 기계공학, 전자공학, 컴퓨터기술을 핵심으로 하는 기계전자공학은 시스템 구성과 목표에 따라 관리 기술, 생산 가공 기술, 제조 기술 등 다른 기술과 결합된다. 엔지니어는 하향식 전략을 사용하여 모듈을 긴밀하게 통합하고 설계를 완료합니다. 2) 제품 기능이 다릅니다. 기계 및 전자 제품은 구조적으로 비교적 간단하며 움직이는 부품 또는 컴포넌트가 많지 않습니다. 내부 구조는 매우 복잡하지만 물리적 부피를 줄이고 기존의 중장비 외관을 버리고 제품 성능을 향상시킵니다.
기계전자공학의 미래는 각종 선진 과학기술을 이용하여 기계공학과 전자기술의 관계를 최적화하는 방법을 아는 사람들에게 속한다. 실제 응용에서 그것들 사이의 관계를 최적화하는 것은 생산성의 혁신을 의미하며, 인공지능의 발전은 이 생각을 가능하게 한다.
2 인공지능
2. 1 인공지능의 정의
인공지능은 제어론, 정보론, 컴퓨터과학, 신경생리학, 심리학, 언어학, 철학을 하나로 모은 교차 학과로 2 1 세기 3 대 학과 중 하나이다. 넬슨 교수는 인공지능에 대해 인공지능은 지식을 표현하는 방법과 지식을 얻고 사용하는 방법에 대한 과학이라고 정의했다. 윈스턴 교수는 인공지능은 컴퓨터가 과거에 사람만이 할 수 있었던 지적인 일을 어떻게 할 수 있는지를 연구하는 것이라고 생각한다. 지금까지 인공지능은 여전히 통일된 정의가 없다. 필자는 인공지능은 컴퓨터를 통해 인간 지능의 확장, 확장, 시뮬레이션을 연구하는 과학기술이라고 생각한다.
2.2 인공지능의 역사
2.2. 1 현 레이스
B. 17 세기 프랑스 과학자 파스칼은 세계 최초의 기계 덧셈을 할 수 있는 계산기를 발명해 세계에 센세이션을 일으켰다. 그 후로 전 세계의 과학자들은 폰 노이만이 첫 번째 컴퓨터를 발명할 때까지 이 계산기를 완성하는 데 열중하고 있다. 이 시기 인공지능의 발전은 느리지만 풍부한 실천 경험을 축적하여 다음 단계의 발전을 위한 든든한 토대를 마련했다.
2.2.2 개발의 첫 번째 단계
1956 에서 열리나요? 채팅? 사실 미국인들은 처음 사용하나요? 인공지능? 이 용어는 인공지능의 첫 번째 번영기로 이어졌다. 이 단계에서 인공지능의 주요 연구 임무는 번역, 증명, 게임, 그리고 일련의 과학 기술 성과를 거둔 것이다. LISP 언어는이 단계에서 최고입니다. 이 단계에서 인공지능의 비약적인 발전은 과학 연구를 통해서만 인류의 논리적 사고 방식을 총결하고 모방을 위한 범용 기계를 만들 수 있다는 것을 믿게 한다.
2.2.3 좌절 단계
1960 년대 중반부터 1970 년대 초까지 사람들이 인공지능의 작동 메커니즘을 깊이 연구할 때 기계로 인간의 사고를 모방하는 것은 매우 어렵다는 것을 알게 되었다. 많은 과학적 발견들이 단순한 작도 방법에서 벗어나지 못했고, 논리적 사고는 말할 것도 없었다. 하지만 아직도 많은 과학자들이 자연어 이해, 컴퓨터 시각, 로봇, 전문가 시스템 등에서 탁월하고 효과적인 성과를 거두고 있습니다. 1972 년 프랑스 과학자들은 프롤로그 언어를 발견하여 LISP 언어에 이어 가장 중요한 인공지능 언어가 되었다.
2.2.4 개발의 두 번째 단계
1977 년 제 5 회 국제인공지능연합대회를 전환점으로, 인공지능이 지식지식 발전 단계에 들어서면서 지식공학이 인공지능의 각 분야에 빠르게 침투해 인공지능을 실제 응용으로 끌어올렸다. 얼마 지나지 않아 인공지능은 상업화길에서 두드러진 성과를 거두며 완강한 생명력과 광범위한 응용 전망을 보여 불확실한 추리, 분산 인공지능, 상식지식 표현 등 주요 기술 문제와 전문가 시스템, 컴퓨터 시각, 자연어 이해, 지능 로봇 등 실제 응용 문제에 큰 진전을 이뤘다.
2.2.5 안정적인 개발 단계
인터넷 기술의 보급으로 인공지능은 점차 단일 에이전트에서 분산 에이전트로 발전했다. 오늘날까지 인공지능은 복잡하고 실용적으로 진화하여 여러 지능형 주체에 대해 여러 가지 목표를 해결할 수 있게 되었다.
기계 전자 공학에 3 인공 지능 적용
물질과 정보는 인류 사회 발전의 가장 근본적인 두 가지 요인이다. 인류 사회 초기에 생산력 수준이 낮기 때문에 인류 사회는 물질을 최우선으로 하여 의존했는가? 밧줄을 묶으세요? 그러나, 사회적 생산성의 지속적인 발전과 함께, 정보의 중요성이 끊임없이 발견되어 글을 쓰는 것이 정보를 전달하는 가장 이상적인 방법이 되었다. 최근 50 년 동안 인터넷의 보급은 정보 전달에 새로운 생명을 가져왔고, 인류는 정보 사회에 진입했고, 정보 사회의 발전은 인공지능 기술의 발전과 불가분의 관계에 있다. 인공지능은 모형의 건립과 통제, 문제 해결, 기계 전자공학에서 정보 처리 역할을 한다.
메카트로닉스 시스템의 고유 한 불안정성으로 인해 메카트로닉스 시스템의 입출력 관계를 설명하기가 어렵습니다. 전통적인 설명 방법은 다음과 같습니다: 1) 수학 방정식을 추론하는 방법입니다. 2) 규칙 라이브러리 구축 방법; 3) 지식을 배우고 생성하는 방법. 기존의 분석 수학 방법은 엄격하고 정확하지만 선형 시간 불변 시스템과 같은 비교적 간단한 시스템에만 적용됩니다. 이러한 복잡한 시스템의 경우 수학 분석 표현식을 제공할 수 없기 때문에 연산을 통해서만 수행할 수 있습니다. 현대사회가 요구하는 시스템은 점점 더 복잡해지고 있으며, 센서가 전송하는 디지털 정보, 전문가 언어 정보 등 여러 가지 유형의 정보를 동시에 처리하는 경우가 많다. 인공지능 처리 정보의 불확실성과 복잡성으로 인해 지식 기반 인공지능 정보 처리 방법이 수학 분석의 대안이 되었다.
인공지능이 세운 시스템은 일반적으로 두 가지 방법, 즉 신경망 시스템과 모호한 추리 시스템을 사용한다. 신경 네트워크 시스템은 인간의 뇌의 구조를 시뮬레이션하고, 디지털 신호를 분석하고, 참고값을 제공할 수 있다. 모호한 추리 시스템은 인간의 뇌의 기능을 시뮬레이션하여 언어 신호를 분석한다. 둘 다 투입과 산출의 관계를 처리하는 데 있어서도 유사점과 차이점이 있다. 유사점은 둘 다 임의의 정밀도의 연속 함수에 네트워크 구조로 접근한다는 것입니다. 차이점은 신경망 시스템의 물리적 의미가 명확하지 않지만 퍼지 추론 시스템의 물리적 의미는 분명하다는 것입니다. 신경망 시스템은 지점 간 매핑을 사용하고 퍼지 추론 시스템은 도메인 간 매핑을 사용합니다. 신경망 시스템은 분산 방식으로 정보를 저장하고 퍼지 추론 시스템은 규칙 방식으로 정보를 저장합니다. 신경 네트워크 시스템은 각 뉴런 간의 연결이 고정되어 있어 계산량이 많고, 모호한 추리 시스템은 연결이 고정되지 않아 계산량이 적다. 신경망 시스템은 입력 및 출력 정확도가 높고 부드러운 표면을 보여주며 퍼지 추론 시스템은 정확도가 낮고 계단형을 나타냅니다.
사회가 발전하면서 단순한 인공지능 방법은 점점 늘어나는 사회적 요구를 충족시킬 수 없게 되면서 많은 과학자들이 종합적인 인공지능 시스템을 연구하기 시작했다. 통합 인공지능 시스템은 신경 네트워크 시스템과 모호한 추리 시스템을 결합한 방법으로, 보다 포괄적인 묘사를 얻기 위해 장점을 취하여, 모호한 신경 네트워크 시스템이 성공의 예이다. (윌리엄 셰익스피어, 스튜어트, 자기관리명언) (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마) 모호한 신경망 시스템은 두 가지 기능의 최대 융합을 실현하여 정보가 네트워크의 각 계층 사이에서 가장 적합한 전체 표현 공간을 찾을 수 있도록 합니다. 논리적 추론 규칙은 노드 기능을 향상시키고 신경망 시스템에 기능 연결을 제공하여 기능을 극대화합니다.
4 결론
과학의 끊임없는 발전은 학과의 고도의 정제와 심화뿐만 아니라 학과 간의 고도의 융합을 가져왔다. 인공지능은 다양한 학과 교차와 종합의 결과이다. 이러한 천성을 계승하여 인공지능과 기계전자공학이 자연스럽게 조화를 이루며, 이 새로운 분야의 발전은 반드시 세계 조류를 이끌고 생산성의 빠른 발전을 촉진할 것이다.