作者：秦瑞琳，周昌乐，晁飞 摘要：意识问题是尚未解决的重大哲学问题与科学问题.机器意识是人工智能最前沿的研究领域之一.研发意识机器人对于人工智能与机器人学的发展具有重要科学意义与应用价值.本文首先介绍了意识与感受性的相关概念和理论;然后,详细讨论了机器意识的概念与研究分类,实现方法与计算模型,重点论述了实现机器意识的量子方法;最后,总结了机器意识目前面临的困境与未来可能的发展,并给出了一套机器意识总体实现框架. 关键词：意识 机器意识 意识机器人 感受性 人工智能 年份：2021

推荐系统是一种通过理解用户的兴趣和偏好帮助用户过滤大量无效信息并获取感兴趣的信息或者物品的信息过滤系统.目前主流的推荐系统主要基于离线的、历史的用户数据，不断训练和优化线下模型，继而为在线的用户推荐物品，这类训练方式主要存在三个问题：基于稀疏且具有噪声的历史数据估计用户偏好的不可靠估计、对影响用户行为的在线上下文环境因素的忽略和默认用户清楚自身偏好的不可靠假设.

近年来,随着压缩感知技术在信号处理领域的巨大成功,由其衍生而来的矩阵补全技术也日益成为机器.学习领域的研究热点,诸多研究者针对矩阵补全问题展开了大量卓有成效的研究.为了更好地把握矩阵补全技术的.发展规律,促进矩阵补全理论与工程应用相结合,本文针对矩阵补全模型及其算法进行综述.首先对矩阵补全技术进.行溯源,介绍了从压缩感知到矩阵补全的自然演化历程,指出压缩感知理论的发展为矩阵补全理论的形成奠定了基.础;其次从非凸非光滑秩函数松弛的角度将现有矩阵补全模型进行分类,旨在为面向具体应用的矩阵补全问题建模.提供思路;接着综述了适用于矩阵补全模型求解的代表性优化算法,其目的在于从本质上理解各种矩阵补全模型优.化技巧,从而有利于面向应用问题的矩阵补全新模型求解;最后分析了矩阵补全模型及其算法目前存在的问题,提出.了这些问题可能的解决思路,并对未来研究方向进行了展望.

人脸识别是目前计算机技术研究的热门领域，广泛应用于人们的日常生活，如门禁系统、摄像监视系统、相机 以及智能手机等。传统的人脸识别技术需要经过人工特征提取、特征选择以及分类器选择等一系列复杂步骤，然 而 识别效果却并不理想。随着数据量的激增以及 ＧＰＵ 高性能计算的发展，卷积神经网络在人脸识别上有了重大突破。 文章回顾了传统人脸识别方法，阐述了卷积神经网络的基本结构及其改进和优化方法，介绍了基于卷积神经网络的 人脸识别技术及典型应用，展望了人脸识别技术的发展方向。

1 基于缓存分区的分配调度策略概述 　　1.1 缓存分区的背景 　　在CMP 系统中，一级缓存通常是私有的，而最后一级缓存（last level cache,LLC）则在各个核间共享（下文提到的缓存如无特别说明都是指LLC）。 　　共享缓存使得多个线程可以共享某些数据，降低通讯延迟，同时减少数据的冗余备份，提高缓存空间利用率。但是，线程间对于有限共享缓存空间的争夺，也会导致缓存失效率的上升，影响系统的吞吐量和公平性。 　　在单核单线程处理器中最为常用的缓存替换算法是LRU.LRU 不区分访存请求的线程来源，同等对待所有访存请求，每次发生缓存失效时替换最近最少访问的缓存块。LRU 在单线

基于同态加密的机器学习研究综述

首先针对常规多目标优化算法求解高维多目标优化时面临的选择压力衰减问题进行论述;然后针对该问题,按照选择机制的不同详细介绍基于Pareto支配、基于分解策略和基于性能评价指标的典型高维多目标优化算法,并分析各自的优缺点;接着立足于一种全新的性能评价指标-----R2指标,给出R2指标的具体定义,介绍基于R2指标的高维多目标优化算法,分析此类算法的本质,并按照R2指标的4个关键组成部分进行综述;最后,发掘其存在的潜在问题以及未来发展空间.

随着人工智能技术的突破性进展, 人工智能与可视化的交叉研究成为当前的研究热点之一, 为人工智能和大数据分析领域的若干核心难题提供了启发式的理论、方法和技术. 一方面, 人工智能技术的创新应用提升了可视化的分析效率, 拓展了分析功能, 为大数据可视分析提供了强有力的工具. 另一方面, 可视化技术增强了以深度学习为代表的人工智能的可解释性和交互性, 为可解释人工智能提供了可靠的技术基础.

知识图谱是以图的形式表现客观世界中的概念和实体及其之间关系的知识库，是语义搜索、智能问答、决策支持等智能服务的基础技术之一.目前，知识图谱的内涵还不够清晰；且因建档不全，已有知识图谱的使用率和重用率不高.为此，本文给出知识图谱的定义，辨析其与本体等相关概念的关系.本体是知识图谱的模式层和逻辑基础，知识图谱是本体的实例化；本体研究成果可以作为知识图谱研究的基础，促进知识图谱的更快发展和更广应用.本文罗列分析了国内外已有的主要通用知识图谱和行业知识图谱及其构建、存储及检索方法，以提高其使用率和重用率.最后指出知识图谱未来的研究方向.

边缘计算将网络边缘上的计算、存储等资源进行有机融合，构建成统一的用户服务平台，按就近服务原则对网络边缘节点任务请求及时响应并有效处理。由于边缘节点能力、资源、带宽、能源等受限，计算迁移是边缘计算的一个关键问题。综述了移动边缘计算的起因、演进和发展趋势，以从分布式计算、普适计算、云计算到边缘计算的演进历程为主线，对比分析了各阶段计算迁移的特点并对经典模型进行了评述；重点分析了边缘计算的最新研究进展及应用领域，研究并对比分析了基于能耗优化管理的移动边缘计算模型。最后提出了一个面向LTE应用和基于时分多址（time division multiple access，TDMA）的多用户边缘移动终端计算迁移策略系统。