一、神经网络与遗传算法区别？

神经网络和遗传算法是两种不同类型的人工智能技术，它们在结构和运作机制上有着显著的区别。神经网络是一种模拟人脑神经元网络结构的计算模型。它由许多神经元组成，每个神经元接收输入信号，并输出一个信号到下一层神经元。神经网络通过学习大量数据来建立连接强度和权重，从而进行分类、识别和预测等任务。与人类大脑类似，神经网络能够自适应地处理不确定的问题，但其训练过程需要大量的数据和计算资源。而遗传算法则是受到生物进化中基因自然选择机制的启发而发展起来的一种优化搜索算法。它通过模拟生物进化过程中的遗传、交叉、变异和选择等操作，来搜索问题的最优解。遗传算法将问题的解编码为一种叫做染色体的数据结构，并根据适应度函数对染色体进行评估和选择。通过不断迭代进化，遗传算法能够在问题空间中找到最优解或近似最优解。遗传算法与神经网络的区别在于：结构差异：神经网络具有层次结构，而遗传算法则是基于种群进化的机制。学习方式：神经网络通过反向传播和梯度下降等方法学习权重和连接强度，而遗传算法则通过选择、交叉和变异等操作搜索最优解。数据依赖：神经网络需要大量数据进行训练，而遗传算法则更适合解决小数据量的问题。应用场景：神经网络适用于模式识别、分类和预测等任务，而遗传算法则更多地应用于优化问题，如函数最优化、路径规划等。总的来说，神经网络和遗传算法各有其优点和适用场景。在选择使用时，需要根据具体问题的特点和需求来决定使用哪种技术。

二、人工神经网络的研究目标？

人工神经网络的研究可以分为理论研究和应用研究两大方面目标。

理论研究可分为以下两类：

1、利用神经生理与认知科学研究人类思维以及智能机理。

2、利用神经基础理论的研究成果，用数理方法探索功能更加完善、性能更加优越的神经网络模型，深入研究网络算法和性能，如：稳定性、收敛性、容错性、鲁棒性等；开发新的网络数理理论，如：神经网络动力学、非线性神经场等。

应用研究可分为以下两类：

1、神经网络的软件模拟和硬件实现的研究。

2、神经网络在各个领域中应用的研究。这些领域主要包括

：模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。随着神经网络理论本身以及相关理论、相关技术的不断发展，神经网络的应用定将更加深入。

三、人工神经网络的主要研究成果？

神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。主要的研究工作集中在以下几个方面：

（1）生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。

（2）建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。

（3）网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机模拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。

（4）人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。

纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。

四、人工神经网络是否属于计算机研究范畴？

神经网络是属于计算机研究范畴，也是数学的研究范畴。神经电脑除有许多处理器外，还有类似神经的节点，每个节点与许多点相连。若把每一步运算分配给每台微处理器，它们同时运算，其信息处理速度和智能会大大提高。

神经电子计算机的信息不是存在存储器中，而是存储在神经元之间的联络网中。若有节点断裂，电脑仍有重建资料的能力，它还具有联想记忆、视觉和声音识别能力。

五、人工智能常用的算法有遗传算法决策树神经网络的对吗?

不完全正确。1. 人工智能常用的算法包括遗传算法、决策树和神经网络，但并不仅限于这三个算法。还有其他常见的算法如支持向量机、K近邻算法等都被广泛应用于人工智能领域。2. 遗传算法是通过模拟自然选择和遗传机制来优化问题的解，决策树是一种基于树状结构的分类模型，神经网络是一种模拟人脑神经元网络的算法。它们在不同的问题和场景下有各自的优缺点和适用性。3.因此，虽然遗传算法、决策树和神经网络是人工智能中常用的算法，但并不能代表全部常用算法。

六、神经网络研究与应用这块用python好还是matlab？

Python的优势：Python相对于Matlab最大的优势：免费。

Python次大的优势：开源。

你可以大量更改科学计算的算法细节。可移植性，Matlab必然不如Python。

但你主要做Research，这方面需求应当不高。

第三方生态，Matlab不如Python。比如3D的绘图工具包，比如GUI，比如更方便的并行，使用GPU，Functional等等。

长期来看，Python的科学计算生态会比Matlab好。语言更加优美。

另外如果有一定的OOP需求，构建较大一点的科学计算系统，直接用Python比用Matlab混合的方案肯定要简洁不少。

Matlab的优势：Community. 目前学校实验室很多还用Matlab，很多学者也可能都用Matlab。交流起来或许更加方便。

Matlab本来号称更快，但实际上由于Python越来越完善的生态，这个优势已经逐渐丧失了。总结来说就是python开源免费，有丰富的第三方库，比较适合实际工程，matlab是商业软件如果买了的话做学术研究不错， 如果混合编程比较麻烦。

七、人工智能研究的目标与策略是什么？

可分为两个阶段：（1）近期目标：近期目标的中心任务是研究如何是计算机去做那些过去只有靠人的智力才能完成的工作。主要研究依赖于现有的计算机去模拟人类某些智力行为的基本理论、基本方法。（2）远期目标：探讨智能的基本机理，研究如何利用自动机去模拟人的某些思维过程和智能行为，甚至做的比人还要好。

九个最终目标（从研究内容出发）：理解人类的认识、有效的自动化、有效的智能拓展、超人的智力、通用问题求解、连贯性交谈、自治、学习、储存信息。

八、人工智能技术研究与应用有哪八个方面？

人工智能应用：计算机科学、金融、医院和医药、重工业、顾客服务。

1、计算机科学

人工智能（AI）产生了许多方法解决计算机科学最困难的问题。它们的许多发明已被主流计算机科学采用，而不认为是AI的一部分。

2、金融

银行用人工智能系统组织运作，金融投资和管理财产。2001年8月在模拟金融贸易竞赛中机器人战胜了人。金融机构已长久用人工神经网络系统去发觉变化或规范外的要求，银行使用协助顾客服务系统；帮助核对账目，发行信用卡和恢复密码等。

3、医院和医药

医学临床可用人工智能系统组织病床计划；并提供医学信息。人工神经网络用来做临床诊断决策支持系统。用人工智能在医学方面还有下列潜在可能：计算机帮助解析医学图像。这样系统帮助扫描数据图像，从计算X光断层图发现疾病，典型应用是发现肿块。

4、重工业

在工业中已普遍应用机器人。它们常做对人是危险的工作。全世界日本是利用和生产机器人的先进国；1999年世界范围使用1,700,000台机器人。

5、顾客服务

人工智能是自动上线的好助手，可减少操作，使用的主要是自然语言加工系统。呼叫中心的回答机器也用类似技术，如语言识别软件可使计算机的顾客较好操作。

九、船舶与海洋工程专业毕业能不能报人工智能硕士研究生？

可以，但很难。

1、数学基础：考研人工智能专业需要具备扎实的数学基础，包括高等数学、线性代数、概率论等方面的知识。

2、编程能力：人工智能专业需要具睁旅卜备扎实的编程能力，熟练掌握至少一种编程语言，并且对算法和数据结构有深入的理解。

3、专业知识：人工智能是一个涉及多个学科的交叉领域，需要对悉穗机器学习、自然语言处理、计算机视觉等方面的知识进行深入了解和学习

十、电子与通信工程专硕，研究方向是人工智能的话，应该准备什么专业课呢？

电子信息工程对着的硕士专业应该是信息与通信工程(学硕)或者电子与通信工程(专硕)，但是感觉做AI的话，好像计算机那边做的比较多，题主可以考虑一下。

考研的话主要还是看对应的专业课要考什么吧，题主是电信专业的，应该还是对口通信电信的研，这个专业硕士也有一些导师会做AI的。

一些学校招生的时候专业方向分的比较细的会直接说招AI方向，不按方向细分招生的就找不到AI这个专业了。个人意见，仅供参考。