8篇关于人机协同的计算机毕业论文

今天分享的是关于人机协同的8篇计算机毕业论文范文, 如果你的论文涉及到人机协同等主题,本文能够帮助到你

英语学科智能教学助手的设计与开发

这是一篇关于智能教学助手,英语课堂教学,人工智能,人机协同的论文, 主要内容为目前,传统的英语课堂教学模式由于存在诸多问题而遭到非议,英语新课标的变革和评价方式的转变也对英语教学方式有了新的需求。随着人工智能技术的不断发展,人工智能技术在教育领域应用为英语课堂的优化带来了新方向,也为实现英语课堂教学的智能化、协同化提供了新的支撑。英语智能语音合成与智能语音评测等技术的成熟,使得智能技术在特定的领域已经能够达到甚至超过人类教师的“水平”。但是,由于市场环境因素的限制和评价方式的影响,能够聚焦于英语课堂教学的产品存在着智能化程度不高、协同性较低等问题,英语课堂的智能化进程相较于其他学科也略显停滞。显然,从人工智能技术与英语课堂融合的角度出发,设计与开发一个能够应用于英语课堂教学并充分发挥“人类教师智慧”与“人工智能智慧”的智能教学助手是十分必要的,也是切实可行的。在上述背景下,本研究以“人机协同”的设计理念为导向,以提高英语教学效果与质量为落脚点,运用文献研究法、内容分析法、调查研究法等研究方法,探索人工智能技术在英语教学中的研究与应用现状。选取了市面上具有代表性的智能英语教学产品进行深入研究与分析,以了解现有产品的优势与不足,为智能教学助手的设计与开发提供思路和指导。并在此基础上进行教学功能需求分析,基于“人机协同”的理念与教师的教学行为确定助手的教学功能需求。依据功能需求,本研究对实现相应功能所需的关键技术进行分析与选型,并完成了英语学科智能教学助手的设计与开发工作,其设计采用了模块化的设计方式,选取B/S架构作为其网络架构模式,功能模块主要包括登录验证模块、备课模块、授课模块和管理模块四部分,其中核心的授课模块功能包括课堂随机点读、智能点名、语音评测、资源共享、公共资源库、单词库、句子库等。通过智能教学助手的设计实现,可以协同教师高效,高质的完成备课与授课。在完成开发工作后,以一线英语教师作为体验用户进行体验应用并对系统功能进行优化与完善。本研究设计出的智能教学助手主要针对常态化的英语课堂,以期能够协同英语教师开展智能化、协同化的英语教学,加快英语教学的智能化进程。为推动智能技术在英语课堂中的应用及web教学平台的开发提供一定的参考和帮助。

基于深度学习的人机协同产品造型仿生设计系统开发及应用

这是一篇关于仿生设计,产品设计,人机协同,图像生成,深度学习的论文, 主要内容为近年来,随着AI绘画和Chat GPT等生成式人工智能的兴起,使得产品设计理念已经逐步开始从传统的“手工制作”向以人为中心的“智能化生成设计”进行演练。这种新型的人机协同方式是目前产品设计一大热点,而传统的仿生设计造型方法多为设计师凭借直觉与自身经验进行设计,具有一定的模糊性、客观性,容易造成仿生产品认知模糊,难以引起情感共鸣,也满足不了目前设计师的设计表达需求。在本次研究中,主要探讨人工智能技术与产品设计师在仿生设计上的灵感碰撞以及方案的生成,仿生设计原本是一个抽象的过程,如果能将抽象的生物灵感与具象的产品造型融合过程可视化,并结合人工智能技术表达设计师的创意,将能极大提高产品外形仿生设计的效率以及准确率,对于仿生产品创新设计和开发具有重大意义。本文围绕人机协同的产品智能化仿生设计展开以下研究:(1)基于深度学习的产品造型仿生设计方法研究针对仿生融合中,仿生对象与仿生产品之间缺乏一种具有科学性的映射策略等问题,提出了一种基于深度学习的产品造型仿生设计方法。该方法将生物启发设计与深度生成模型结合起来,利用Style GAN的图像变形技术来可视化产品与生物之间的潜在关系,并生成新的仿生融合方案,实验证明,该方法生成的方案融合效果明显优于基于特征点的图像变形融合效果,并将该技术与感性工学、眼动实验相结合,共同搭建了一个人机协同的深度生成生物启发设计模型,该模型能加速仿生产品的创新和开发,并为设计师提供设计参考和灵感来源。(2)基于深度学习的草图生成真实产品仿生优化方法研究针对仿生优化中,缺乏一种将深度学习技术与设计师的设计表达有效结合的人机协同方式,提出了一种基于深度学习的草图生成真实产品方法。为了让设计师以更好的人机协同方式参与到仿生设计中来,基于Style GAN的图像变形技术来完成草图生成真实产品图像的效果,该草图除了能较为全面的迁移目标图像的风格外,还在样式迁移的造型上引入一定的形变,来满足不同设计表达程度的用户。同时,为了提高生成的产品图像质量,在样式迁移之前,利用感性工学对草图与风格图像进行感性意象匹配,设计师可以利用草图的方式来表达自己的仿生创意,也可以通过主观匹配或感性匹配的方式来选择与草图相匹配的产品样本风格,并通过实验验证了该人机协同方式的有效性。(3)基于深度学习的产品造型仿生评价方法研究针对仿生评价中,缺乏一种科学的仿生设计评价方法等问题,提出了一种基于深度学习的产品造型仿生评价方法。该方法基于深度学习技术设计了一个浅层的卷积神经网络模型(S-VGG),基于模型训练具有较高的识别准确率这个条件下,将仿生产品方案图像被分配到生物类的概率,作为该图像与生物类特征的相似性,并以此作为仿生评价依据,帮助设计师从大量的仿生方案中提取出最具有仿生价值的图像,形成了更加科学、客观、可靠的仿生评价体系。(4)人机协同的产品仿生设计应用系统将上述理论模型集成,开发了一个人机协同的产品仿生设计原型系统,为设计师提供仿生设计的灵感及方案的快速生成方法,同时,还提供一个科学可靠的仿生方案评价方法。系统主要以仿生匹配、仿生融合、仿生优化、仿生匹配作为系统构建的核心,并通过实际的产品仿生设计对其进行应用验证。

基于深度学习的人机协同产品造型仿生设计系统开发及应用

面向移动应用众测的人机协同引导技术

这是一篇关于自动化测试,众包测试,静态分析,人机协同的论文, 主要内容为随着手机操作系统的发展,Android操作系统在手机市场占据71.93%的份额,基于Android系统开发的应用也逐年猛增。Android应用数量庞大、迭代快速的特点也促进了Android应用测试的发展,其中主流的测试方法有移动应用自动化测试和众包测试。移动应用自动化测试能够以低成本快速高效的对应用进行测试,但由于Android系统碎片化问题严重,使得其测试结果达不到理想要求。众包测试是借助众包工人进行测试,能够使应用在不同机型不同系统版本中进行测试,但由于众包工人专业能力不一,使得其测试结果良莠不齐。在此背景之下,本文提出了面向移动应用众测的人机协同引导技术,通过兼容移动应用自动化测试和众包测试的优点,以自动化测试结果来引导众包工人进行测试,提高其测试能力,以众包测试对自动化测试未覆盖页面进行再测试,提高窗口覆盖率,最终实现以人机协同的方式更高效的对应用进行测试。本系统包括自动化测试数据处理模块、Android静态分析模块、Android引导模块和服务端模块。自动化测试数据处理模块是通过对移动应用自动化测试结果进行解析,提取应用在不同机型上测试的非重复性异常和异常路径信息,作为异常复现的依据。Android静态分析模块是通过使用静态分析工具对移动应用进行静态分析,获得应用所有窗口跳转路径,并通过与自动化测试结果进行比对,找出自动化测试中未覆盖的窗口,作为未覆盖界面引导的依据。Android引导模块是以插件形式嵌入到待测应用中,众包工人在测试过程中通过点击插件按钮来请求服务。服务端模块使用Spring Boot框架进行开发,通过结合My Batis实现了用户登录、任务推荐、路径引导和测试结果上报等功能的开发,使系统具有更高的可拓展性。系统在慕测平台进行了应用测试。通过选取Git Hub中10款开源移动应用,设置4组对照测试,在10台Android设备上进行了20分钟的系统实验。根据对用户提交的结果进行分析,表明该系统在众包工人测试异常的效率以及发现异常的数量等方面都有显著提高。在窗口覆盖率方面,本系统实现了窗口路径全覆盖,有效弥补了自动化测试的不足。

电子商务平台人机客服协同服务满意度的影响机制研究

这是一篇关于电子商务,人机客服协同服务,人机协同,机器人客服,顾客满意度,定性比较分析的论文, 主要内容为人工智能技术的发展给需要大量重复性劳动的客服行业带来了希望,用于客户服务的机器人客服应运而生,这一趋势改变了整个客服行业的劳动力结构和工作方式。电子商务领域是机器人客服应用最广泛的领域之一,不少主流电子商务平台引入甚至自主研发了服务于平台商家的机器人客服。然而,由于目前技术的局限性,机器人客服无法像人工客服一样灵活应对各种复杂的用户问题。业界目前的方法是让机器人客服和人工客服协同接待顾客,然而目前电商平台的人机客服协同服务模式仍以提升效率为主导,严重忽视了用户体验,导致顾客对人机客服协同服务的满意度仍未达到预期水平。因此,探讨人机客服协同服务满意度的影响因素和其相互作用机制至关重要,既充实了顾客满意度和人机协同的相关研究,也能为电子商务平台提高平台和商家服务质量、改善用户体验提供参考策略。通过梳理客服服务满意度及人机协同的相关研究成果,发现目前的研究仅从机器人客服本身属性或人工客服的相关特征来切入满意度研究,而忽略其共同作用的机理,且人机协同领域仅有学者从技术角度考虑电商客服之间的协作机制。为了填补这一研究空白,本研究选取扎根理论,探索出影响电子商务平台人机客服协同服务满意度的影响因素,并根据整体论的思想构建了满意度影响模型。根据扎根理论分析结果设计量表,通过问卷调查法获取150份有效问卷,利用定性比较分析方法分析出产生人机客服协同服务高/低满意度的前因条件组合。研究结果表明:(1)模式调度智能性、人机切换友好性、人机协同机制披露性、用户问题结构化程度、用户咨询客服偏好程度、用户耐心程度和产品价格是影响人机客服协同服务满意度的因素,且它们之间存在一种多重并发因果关系;(2)产生高人机客服协同服务满意度的组态共有9个,其中高模式调度智能性和高用户问题结构化程度的共同作用、人机切换友好性和高用户问题结构化程度的共同作用以及高模式调度智能性和高用户耐心程度的共同作用分别为产生高满意度组态中的核心条件;(3)产生低人机客服协同服务满意度的组态共有5个,与产生高满意度的路径存在非对称因果关系,其中低模式调度智能性、低人机切换友好性、低用户耐心程度的共同作用以及低人机切换友好性、低用户问题结构化程度、低用户咨询客服偏好程度的共同作用分别为产生低满意度组态中的核心条件;(4)人机协同机制是否披露对用户产生高满意度未起到决定性作用,说明用户本身不在乎自己究竟被何种类型的客服所服务,而是更重视当前客服究竟能不能最快最好地解决其问题;(5)购买低价格产品的用户需要其他条件的保障才能对人机客服协同服务产生高满意度,且80%的低满意度组态是在用户购买低价格产品时产生的,说明产品价格低并不会降低用户对客服服务的期望,相反用户仍然希望客服提供优质的服务来帮助其做出购买决策。本研究的贡献在于:从组态的视角探究了顾客产生人机客服协同服务满意度的内在机理,既充实了基于客服服务的顾客满意度研究,也扩展了对特定领域的人机协同概念的认识和理解;在深度访谈资料的基础上,运用扎根理论探究并总结出了顾客在电商平台被机器人客服和人工客服同时服务时,影响其对这种人机客服协同服务满意度的关键因素;通过使用定性比较分析方法,从组态的视角阐明了顾客满意度形成的不同路径,并指出每条路径中的核心条件;在实证分析的基础上结合行业实践与学界观点为电子商务企业提升顾客对于人机客服协同服务的满意度提出了合理的建议。例如,在理念宣导方面,应加强平台商家对消费者体验的重视程度,树立“以消费者为中心”的服务理念;在机制设计方面,应发挥人工客服与机器人客服的互补优势,完善整体客服服务流程;在技术优化方面,应加强对用户大数据的挖掘和利用,使客服服务“因人而异”;在平台赋能方面,应将消费者咨询流程结构化、剧本化,减轻用户的提问负担;在用户共建方面,平台应优化用户反馈机制,防止不良印象的“恶性循环”。

人机协同Java字节码漏洞扫描系统的设计与实现

这是一篇关于漏洞扫描,误报过滤,众包审核,人机协同的论文, 主要内容为软件系统规模以及复杂性的不断增大,软件安全问题层出不穷,其产生的原因往往是程序本身在代码设计或实现过程中的错误或缺陷(称为漏洞),普通软件工程师的缺陷密度一般为50—250个缺陷/KLOC。在源码级别对程序进行漏洞扫描和安全审计,可以在源头上减少10%—50%安全漏洞的产生。但现存基于词法分析的静态漏洞扫描工具未充分考虑上下文,无法准确判别误报漏洞代码的固有特征,存在大量误报信息,开发人员需要手动筛选正报漏洞,不仅增大维护成本,甚至导致部分开发人员弃用扫描工具。为了降低目前漏洞扫描工具误报率,本文依托于公司的众包审核平台,设计并实现了一个人机协同Java字节码漏洞扫描系统。本文对静态漏洞扫描工具以及常见误报漏洞进行了分析,详细研究了字节码上下文提取、代码特征提取以及机器学习分类模型,同时融合众包专家审核,并结合实际场景中的漏洞扫描需求,实现该系统。首先,系统基于静态漏洞扫描工具对项目进行漏洞扫描,并确保其完备性。其次,基于Joana(Java Object-sensitive ANAlysis)程序切片工具对漏洞相关代码进行上下文提取,并基于N-gram语言模型对代码上下文进行特征提取。然后,利用基于完全匹配、随机森林算法的双层分类模型对扫描漏洞结果进行误报过滤。最后,将漏洞结果送予众包审核进行专家误报漏洞过滤,并将审核结果存储留作后续过滤模型的迭代训练。并根据最终漏洞结果为用户提供机器过滤以及专家审核融合的完备、低误报漏洞扫描报告。本系统主要分为交互展示模块、漏扫核心模块以及迭代学习模块,并使用Spring Boot框架、Pug模板引擎、微服务等技术与架构完成系统的实现。本文实现的人机协同Java字节码漏洞扫描系统提供低误报漏洞扫描服务。在OWASP数据集上实验表明,本系统在95.39%召回率的情况下,其精准率可以达到89.71%,与原版扫描工具相比,本系统将误报率减少近22%。本系统在确保低漏报率的基础上有效地降低传统静态漏洞扫描工具的误报率,从而节约维护成本,帮助开发者提高代码整体质量。目前,本系统已在公司平台上线,用于支撑公司静态漏洞扫描服务。