计算机教育王莹莹

《计算机教育王莹莹》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、机房管理与维护论文2013——2014年第一学期机房管理与维护12计算机教育1226023116王莹莹2013年12月15日星期日摘要：随着计算机网络的发展，计算机数量也在不断增加。这使得机房管理成为一个很重要的问题，为了有效的管理好学校机房，提高机房使用效率，延长机房使用性命，学校必须重视加强机房管理与维护，本文对计算机机房管理与维护进行了探讨。关键词：计算机发展，故障分析，组装方法，选购注意事项一计算机科学前沿热点及发展趋势1计算机科学前沿热点近年来，计算机科学中前沿的问题主要围绕信息、知识、智能三大研究领域展开讨论。本文中所指的信息是指客观

2、事物的属性。而知识不同于信息，它是人们对信息经过大脑的加工与处理后，形成的规律、规则、方法及认识。智能则是指大脑从历史信息、知识的基础之上形成的对现有信息、知识的推理、演绎、判断的方法。根据研究分析表明，在三大研究领域中，主要有以下前沿热点研究：(1)信息方面:信息处理、数据仓库和数据挖掘、生物信息学。(2)知识方面：以知识科学与知识工程为主要研究的问题。(3)智能方面：以人工神经网络的研究,机器证明,人工智能与专家系统,遗传算法,代数逻辑学形成了本研究领域的主要特色。1.1信息科学1.1.1　信息处理技术信息处理技术是当今计算机科学发展的重点，

3、目前计算机处理的信息可分为符号和数据，因而一切要由计算机处理的对象首先是符号化和数字化。信息科学正在形成和迅速发展，现在主要的研究课题集中在以下六个方面:(1)信息源理论和信息的获取。主要研究自然信息源和社会信息源,以及从信息源提取信息的方法和技术。(2)信息的传输、存储、检索、转化和处理。(3)信号的测量、分析、处理及显示。(4)模式信息处理。研究对文字、声音，图像等信息的处理、分类和识别，研制机器图像和语音识别系统。(5)知识信息处理。研究知识的表示、获取和应用，建立具有推理和自动解决问题能力的知识信息处理系统，即专家系统。(6)决策和控制。

4、在对信息的采集、分析、处理、识别和理解的基础上作出判断、决策或控制，从而建立各种控制系统、管理信息系统和决策支持系统。1.1.2　数据挖掘技术传统的数据库技术是单一的数据资源，即以数据库为中心，对事务处理、批处理到决策分析等各种类型的数据处理工作。近年来，随着计算机技术的发展,对数据库中数据操作提出了更高的要求，希望计算机能够更多的参与数据分析与决策的制定等领域。数据库处理可以大致划分为两大类:操作型处理和分析型处理(或信息型处理)。这种分离,划清了数据处理的分析型环境与操作型环境之间的界限,从而由原来的以单一数据库为中心的数据环境发展为一种体系

5、化环境,因而产生了数据挖掘技术。在这方面目前主要解决的前沿问题有:(1)异构数据的接口机制；(2)数据仓库的体系结构问题；(3)数据仓库的数据优化问题；(4)数据仓库中数据的获取与整理；(5)历史数据的提出和信息挖掘；(6)信息挖掘的方法学问题；(7)数据的存储和数据模型。1.2知识科学知识进步是人类社会发展的永恒动力,知识经济是推动其他经济发展的原动力，知识产权关系国家命运。可见知识在计算机科学中发展的重要意义。计算机科学虽然是一门刚刚兴起的学科，但它与数学、逻辑学、语言学、认知科学、心理学、哲学等关系相当大。目前知识科学主要的研究领域表现在:

6、(1)知识模型研究,常识性知识研究;(2)非规范知识研究,知识处理的数学理论;(3)知识获取理论和技术;(4)知识科学和软件科学;(5)基于知识的计算机艺术。1.3　智能处理技术1.3.1　人工智能从第一台电子计算机诞生至今,其主要功能都是进行数值计算和数据处理。但随着基于符号的运算、推理逻辑的迅速发展和对人类大脑的思维形式的研究逐步清晰，人们开始研制具有“智能”的计算机，这是人工智能的基本思想。人工智能(ArtificialIntelligence,简称AI)，是一门正在发展中的综合性前沿学科，主要由计算机科学、控制论、信息论、神经生理学、语言

7、学等多个学科相互渗透发展而来，研究和应用领域概括起来有以下六个方面：(1)问题答疑；(2)语言、模式识别；(3)智能数据库；(4)智能博奕；(5)智能机器人；(6)程序自动设计。1.3.2　人工神经网络人工神经网络(ArtificialNeuralNetwork，简称ANN)理论取得巨大的成果，其主要前沿研究方向与以下五个方面结合:(1)人工神经网络与人工智能、专家系统的结合；(2)人工神经网络与模糊数学结合产生新的人工智能方法；(3)与计算机硬件结合产生神经计算机；(4)符号化神经计算和进化计算；(5)神经网络控制理论。1.3.3　遗传算法遗传

8、算法是一门新兴科学智能的计算方法。目前在遗传算法中需要研究和解决的主要问题有:(1)遗传算法与其它人工智能的方法结合，如与神经网络、模糊