机构名称：
¥ 1.0
人工智能本身对于软件工程艺术来说一直很难掌握，也许是因为传统软件工程专注于保持初始一致性（即确保生成的工件符合先前的规范）[21]，而人工智能方法通常从高度混乱的初始配置开始[7]，并且仅逐步引入规则和结构。在将严格工程原则应用于更复杂、适应性更强、固有自治的系统的道路上，已经提出并尝试了各种研究方向（参见[14、22、40、51]等）。作为这些方法的示例，请考虑图 1：经典的软件工程方法保持为一个反馈回路，通常由人类开发人员推动，而运行时发展系统的新方法则作为另一个反馈回路添加，通常由自适应和学习驱动[26]。然而，有各种各样的算法允许自适应和学习，从简单的统计方法（如 SVM 或聚类）到深度神经网络，并且集成这些算法的具体方法也存在很大的差异。在 [22] 中，我们引入了机器学习管道作为许多不同机器学习方法的过程模型，即它是一个
量子人工智能的圣杯
主要关键词
相关文件推荐
