T/CESA 1037-2019
信息技术 人工智能 面向机器学习的系统框架和功能要求
Information technology- Artificial intelligence- Framework and functional requirements of system for machine learning
- 标准号
- T/CESA 1037-2019
- 发布
- 2019年
- 发布单位
- 中国团体标准
- 当前最新
- T/CESA 1037-2019
- 适用范围
- 本标准给出了面向机器学习的系统框架，规定了系统整体及各组件的功能要求，适用于各领域人工智能系统及解决方案的规划、设计，可作为评估、选型及验收的依据
T/CESA 1037-2019相似标准
推荐
基金委发布下一代人工智能方法重大研究计划项目指南
隐私保护的机器学习方法针对主流机器学习问题，结合安全多方计算、全同态加密、零知识证明等方法构建具备实用性的可信机器学习环境。发展隐私保护协同训练和预测方法，发展加密和隐私计算环境的特征聚类、查询和多模型汇聚方法，发展加密跨域迁移学习方法，发展面向对抗样本、后门等分析、攻击、防御和修复方法，研究机器学习框架对模型干扰、破坏和控制方法，发展可控精度的隐私计算方法。5....
9年“孕育” 类脑认知智能引擎“智脉”诞生
曾毅表示，现有的脉冲神经网络平台有的涉及精细的生物神经元模型、大规模神经网络模拟、神经网络动力学等较为细节的脑认知功能和结构模拟，有的关注生物突触可塑性启发的脉冲神经网络建模，还有的从深度学习领域借鉴经验来提升深度脉冲神经网络的性能，“这些已有的框架并没有更好地整合共性，同时具备面向人工智能的高效学习与决策，以及对脑认知功能建模和脑结构模拟的能力。”...
智能感知与人机协同教育部重点实验室获批建设
目前，实验室布局以下三个主要研究方向：虚实融合下动静态场景的感知建模和知识获取，结合人类知识的负责任可持续机器学习理论新框架，以及复杂场景下的多智能体人机交互系统设计。...
基于深度强化学习的机器人控制的合作研究获进展
机器人在空间、陆地和水下等大量动态、非结构环境下作业是一个复杂的任务，相比于传统工业机器人作业要求更高，通常需要机器人具有感知、导航、决策、操作等多种功能。 沈阳自动化所与爱丁堡机器人中心科研团队联合利用神经网络构建了一种机器人整体强化学习控制模型，采用深度学习方法对机器人相机获得的环境与目标信息进行处理，然后将感知信息与机器人当前状态作为系统输入，对机器人的整体行为进行自主控制。...