Jurnal·Lihat |. Menangkap perkembangan terkini dalam bidang kecerdasan buatan? Simpan Kecerdasan Buatan Gunaan ke kegemaran anda

Kemunculan ChatGPT ialah perkembangan terobosan yang mempunyai kepentingan sejarah yang hebat dalam penyelidikan AI. ChatGPT yang nampaknya maha berkuasa telah memberi banyak kesan positif kepada masyarakat manusia, tetapi ia juga telah menimbulkan konflik yang menimbulkan pemikiran. Bagaimana untuk mengelakkan risiko dan kesan negatif yang disebabkan oleh kebangkitan kecerdasan buatan adalah isu yang perlu difikirkan dan dibincangkan secara mendalam oleh penggubal dasar dan profesional dalam bidang kecerdasan buatan.

Isu "Journal·See" ini membawakan kepada anda Kecerdasan Buatan Gunaan, jurnal berkualiti tinggi dalam bidang kecerdasan buatan. Di samping memperkenalkan jurnal, kami juga telah memilih untuk anda artikel yang sangat dipetik dalam tempoh tiga tahun yang lalu dan artikel yang sangat dibaca pada tahun 2022 untuk anda baca

• Rangka kerja berdasarkan pembelajaran pemindahan untuk mengklasifikasikan perosak pada tumbuhan tomato
• Pengoptimum Keseimbangan Pembelajaran Universal: Kaedah Pemilihan Ciri Baharu untuk Pengelasan Data Biologi
• Ikhtisar: Tinjauan seni bina pembahagian semantik imej 2D berdasarkan pembelajaran mendalam
• Ikhtisar: Ancaman baharu serangan siber dipacu kecerdasan buatan

Kecerdasan Buatan Gunaan ialah penerbitan rasmi Persatuan Austria untuk Penyelidikan Sibernetik, bertujuan untuk menyelesaikan masalah dalam penyelidikan gunaan dan aplikasi kecerdasan buatan, sambil menyediakan platform untuk pertukaran pandangan dan idea untuk penyelidikan berpengaruh dalam bidang kecerdasan buatan . Jurnal ini memberi tumpuan kepada bidang berikut, termasuk tetapi tidak terhad kepada kemajuan sistem kecerdasan buatan dalam menyelesaikan kerja pengurusan, industri, kejuruteraan, pentadbiran dan pendidikan, penilaian sistem dan alat kecerdasan buatan sedia ada, memfokuskan kepada penyelidikan perbandingan dan pengalaman pengguna; kesan kecerdasan buatan terhadap pengaruh ekonomi, sosial dan budaya.

Jurnal ini telah disertakan dalam SCIE, Scopus, CSA, INSPECs, PsycINFO dan pangkalan data lain.

Halaman utama jurnal: http://985.so/m1ug4

Faktor Kesan

Menurut JCR, faktor impak Applied Artificial Intelligence pada tahun 2021 ialah 2.777, dalam

Komputer: Kedudukan 82/145 dalam bidang kecerdasan buatan

Kejuruteraan: Kedudukan Bidang Elektronik dan Elektrik 134/276

CiteScore

Menurut Scopus,

Kecerdasan Buatan Gunaan

CiteScore (2021) ialah 3.0

CiteScoreTracker (2022) ialah 3.7

Kedudukan 151/269 dalam Sains Komputer: Kepintaran Buatan

Pasukan Editorial

Ketua editor Kecerdasan Buatan Gunaan ialah Profesor Robert Trappl dari Institut Kecerdasan Buatan Austria dan Universiti Vienna. Antara editor bersekutu, Profesor Liu Peide dari Universiti Kewangan dan Ekonomi Shandong berasal dari China. Selain itu, pasukan editorial terdiri daripada pakar dan sarjana dari banyak negara.

Ketua Editor

Profesor Robert Trappl

Profesor Robert Trappl ialah ketua Institut Kecerdasan Buatan Austria Beliau juga merupakan profesor kehormat sibernetik perubatan dan kecerdasan buatan di Pusat Penyelidikan Otak Universiti Perubatan Vienna Jabatan Sibernetik Perubatan dan Kecerdasan Buatan Universiti Vienna dan pengerusi Jabatan selama 30 tahun.

Timbalan Editor dari China

Profesor Liu Peide

Profesor Liu Peide ialah dekan Pusat Pengajian Sains Pengurusan dan Kejuruteraan Universiti Kewangan dan Ekonomi Shandong, pengarah Pusat Penyelidikan Ekonomi dan Pengurusan Marin Universiti Kewangan dan Ekonomi Shandong, dan seorang guru cemerlang di China.

Arah penyelidikan utamanya ialah: teori keputusan dan kaedah pengoptimuman ekonomi marin dan analisis perniagaan data besar;

Berita dalam majalah

Pada masa ini, Kepintaran Buatan Gunaan sedang meminta kertas kerja mengenai topik berikut.

Topik 1: Sistem Berbilang Ejen dalam Era Kepintaran Buatan Dipercayai

Sistem berbilang agen yang boleh dipercayai dalam era kecerdasan buatan

Tarikh akhir untuk penyerahan: 23 Ogos 2023

Topik 2: Aplikasi Kepintaran Buatan dalam Industri 4.0

Kecerdasan Buatan dalam Industri 4.0

Tarikh akhir untuk penyerahan: 31 Ogos 2023

Topik 3: Pembelajaran Mesin Boleh Diterangkan Penyelidikan Gunaan Operasi dan Aplikasi untuk Pembuatan Keputusan Yang Diperbaik

Penyelidikan aplikasi pembelajaran mesin yang boleh ditafsir dan aplikasi untuk menambah baik pembuatan keputusan

Tarikh akhir untuk penyerahan: 30 Oktober 2023

Pengedaran pengarang

Menurut JCR, antara negara yang telah menerbitkan artikel mengenai Kecerdasan Buatan Gunaan dalam tempoh tiga tahun yang lalu, tiga negara teratas ialah:

• India
• China
• Iran

Artikel yang disyorkan boleh didapati di [TandF Academic]: http://985.so/m1ug6

刊内高被引文章

Artikel penuh: Pemindahan Rangka Kerja Berasaskan Pembelajaran untuk Klasifikasi Perosak dalam Tumbuhan Tomato (tandfonline.com)

基于迁移学习的框架，为番茄植株上的害虫分类

作者：Gayatri Pattnaik et al.

Konsep pembelajaran pemindahan

文章摘要：

Perosak dalam tumbuhan merupakan cabaran utama dalam sektor pertanian. Oleh itu, pengesanan awal dan tepat serta klasifikasi perosak boleh membantu dalam langkah berjaga-jaga di samping mengurangkan kerugian ekonomi dengan ketara. Perkembangan terkini dalam rangkaian neural convolutional mendalam (CNN) telah meningkatkan ketepatan sistem pengecaman imej secara drastik. Dalam kertas kerja ini, kami telah membentangkan pembelajaran pemindahan rangka kerja berasaskan CNN yang telah terlatih untuk klasifikasi perosak dalam tumbuhan tomato. Dataset untuk kajian ini telah dikumpul daripada sumber dalam talian yang terdiri daripada 859 imej yang dikategorikan kepada 10 kelas. Kajian ini adalah yang pertama seumpamanya di mana: (i) dataset dengan 10 kelas perosak tomato terlibat; (ii) perbandingan menyeluruh prestasi 15 model CNN dalam yang telah dilatih telah dibentangkan mengenai klasifikasi perosak tomato. Keputusan eksperimen menunjukkan ketepatan pengelasan tertinggi iaitu 88.83% telah diperoleh menggunakan model DenseNet169. Selanjutnya, hasil menggalakkan model berasaskan pembelajaran pemindahan menunjukkan keberkesanannya dalam tugas pengesanan dan pengelasan perosak.

Artikel penuh: Pengoptimum Keseimbangan Pembelajaran Umum: Kaedah Pemilihan Ciri Baharu untuk Pengelasan Data Biologi (tandfonline.com)

通用学习均衡优化器：一种新的用于生物数据分类的特征选择方法

作者：Jingwei Too & Seyedali Mirjalili

Konsep asas strategi pembelajaran umum

文章摘要：

Mencari maklumat berkaitan daripada data biologi merupakan isu kritikal untuk kajian diagnosis penyakit, terutamanya apabila sejumlah besar ciri biologi terlibat. Secara sengaja, pemilihan ciri boleh menjadi langkah prapemprosesan yang penting sebelum peringkat pengelasan. Pengoptimum keseimbangan (EO) ialah algoritma metaheuristik yang ditubuhkan baru-baru ini yang diilhamkan oleh prinsip sumber dinamik dan model sinki apabila mengukur keadaan keseimbangan. Dalam penyelidikan ini, varian baharu EO yang dipanggil pengoptimum keseimbangan pembelajaran am (GLEO) dicadangkan sebagai kaedah pemilihan ciri pembalut. Pendekatan ini menggunakan strategi pembelajaran umum untuk membantu zarah mengelak kawasan tempatan dan meningkatkan keupayaan mencari kawasan yang menjanjikan. GLEO yang dicadangkan bertujuan untuk mengenal pasti subset ciri biologi bermaklumat di antara sejumlah besar atribut. Prestasi algoritma GLEO disahkan pada 16 set data biologi, di mana sembilan daripadanya mewakili dimensi tinggi dengan bilangan kejadian yang lebih kecil. Keputusan yang diperoleh menunjukkan prestasi cemerlang GLEO dari segi nilai kecergasan, ketepatan dan saiz ciri berbanding dengan algoritma metaheuristik yang lain.

刊内2022年高阅读量文章

Artikel penuh: Tinjauan tentang Seni Bina berasaskan Pembelajaran Mendalam untuk Segmentasi Semantik pada Imej 2D (tandfonline.com)

综述：基于深度学习的2D图像语义分割体系架构的调查

作者：Irem Ulku & Erdem Akagündüz

Sampel imej dan anotasinya untuk pembahagian objek, contoh dan bahagian secara berasingan, dari kiri ke kanan

文章摘要：

Segmentasi semantik ialah pelabelan mengikut piksel imej. Didorong oleh keupayaan luar biasa rangkaian neural convolutional (CNN) dalam mencipta ciri imej semantik, tahap tinggi dan hierarki; beberapa pendekatan pembahagian semantik 2D berasaskan pembelajaran mendalam telah dicadangkan dalam dekad yang lalu. Dalam tinjauan ini, kami memberi tumpuan terutamanya kepada perkembangan saintifik terkini dalam pembahagian semantik, khususnya pada kaedah berasaskan pembelajaran mendalam menggunakan imej 2D. Kami bermula dengan analisis set imej awam dan papan pendahulu untuk segmentasi semantik 2D, dengan gambaran keseluruhan teknik yang digunakan dalam penilaian prestasi. Dalam meneliti evolusi bidang, kami mengkategorikan pendekatan secara kronologi kepada tiga tempoh utama, iaitu era pembelajaran mendalam sebelum dan awal, era konvolusi sepenuhnya dan era pasca FCN. Kami menganalisis secara teknikal penyelesaian yang dikemukakan dari segi menyelesaikan masalah asas bidang, seperti penyetempatan berbutir halus dan invarian skala. Sebelum membuat kesimpulan kami, kami membentangkan jadual kaedah dari semua era yang disebutkan, dengan ringkasan setiap pendekatan yang menerangkan sumbangan mereka kepada bidang tersebut. Kami menyimpulkan tinjauan dengan membincangkan cabaran semasa bidang dan sejauh mana ia telah diselesaikan.

Artikel penuh: Ancaman Muncul Serangan Siber dipacu Ai: Satu Tinjauan (tandfonline.com)

综述：人工智能驱动的网络攻击的新威胁

作者：Memberkati Guembe et al.

Carta alir PRISMA yang menggambarkan proses semakan sistematik dan pemilihan artikel pada pelbagai peringkat

文章摘要：

Serangan siber semakin canggih dan tersebar di mana-mana. Penjenayah siber tidak dapat tidak menggunakan teknik Kecerdasan Buatan (AI) untuk mengelak ruang siber dan menyebabkan kerosakan yang lebih besar tanpa disedari. Penyelidik dalam domain keselamatan siber tidak cukup menyelidik konsep di sebalik serangan siber dikuasakan AI untuk memahami tahap kecanggihan yang dimiliki oleh jenis serangan ini. Makalah ini bertujuan untuk menyiasat ancaman serangan siber yang dikuasakan AI dan memberikan pandangan tentang penggunaan AI yang berniat jahat dalam serangan siber. Kajian itu dilakukan melalui proses tiga langkah dengan memilih hanya artikel berdasarkan kriteria kualiti, pengecualian dan kemasukan yang memfokuskan pada serangan siber dipacu AI. Carian dalam ACM, arXiv Blackhat, Scopus, Springer, MDPI, IEEE Xplore dan sumber lain telah dilaksanakan untuk mendapatkan semula artikel yang berkaitan. Daripada 936 kertas kerja yang memenuhi kriteria carian kami, sebanyak 46 artikel akhirnya dipilih untuk kajian ini. Keputusan menunjukkan bahawa 56% daripada teknik serangan siber dipacu AI yang dikenal pasti ditunjukkan dalam fasa akses dan penembusan, 12% ditunjukkan dalam eksploitasi, dan fasa arahan dan kawalan, masing-masing; 11% telah ditunjukkan dalam fasa peninjauan; 9% telah ditunjukkan dalam fasa penghantaran rantaian pembunuhan keselamatan siber. Penemuan dalam kajian ini menunjukkan bahawa infrastruktur pertahanan siber sedia ada akan menjadi tidak mencukupi untuk menangani peningkatan kelajuan, dan logik keputusan yang kompleks bagi serangan dipacu AI. Oleh itu, organisasi perlu melabur dalam infrastruktur keselamatan siber AI untuk memerangi ancaman yang muncul ini.

审稿周期

• 从提交稿件到获取初审意见，平均需要61天
• 获取首个同行评审决定，平均需要62天
• 稿件一旦接受后，在线出版平均需要15天

文章出版费（APC）

您可以通过我们的作者服务网站查询本期刊的标准文章出版费。

Kumpulan Taylor & Francis >

Syarikat员带来Taylor & Francis旗下期刊的详细解读，从期刊的基本情况、编委阵容、社会影响力到审稿速度、高被引文章等实用信息，专栏将为您管将为您管您更加全面地了解Taylor & Francis旗下优秀的国际期刊，帮助更多中国卓越科研成果顺利在国际期刊上发表。

以上内容可能更新，请以期刊官网主页为准。

Atas ialah kandungan terperinci Jurnal·Lihat |. Menangkap perkembangan terkini dalam bidang kecerdasan buatan? Simpan Kecerdasan Buatan Gunaan ke kegemaran anda. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!