一种实现异构知识集成的新方法

在知识的广义定义的基础上,指出了数量性知识、符合性知识、样本性知识是主要的异构形态知识,分析了它们的不同特征。提出通过建立知识描述形式之间的转换联系达到知识集成的目的。分别给出了从神经网络到规则和从规则到框架的转换方法和具体步骤。通过一个机床加工选择的实例,验证了本方法的有效性。     

炼油厂智能优化生产调度系统研究

针对炼油厂智能优化生产调度问题 ,提出了包含基于规则的归纳性知识、基于实例的样本性知识和基于数学规划的优化过程知识的 RBR-CBR混合智能优化模型 .通过这三种不同知识的有机结合 ,该模型可用于对复杂的生产过程进行描述 .该模型已用于石油工业生产调度问题     

混凝土抗冻性专家系统的开发与应用

本文基于农业专家系统开发平台PAID,以影响混凝土抗冻性因素为轴,以混凝土抗冻性知识、专家经验等为依据,建立了混凝土抗冻性知识模型,采用模糊加权产生式规则组织知识和建立知识库,以加权模糊推理为推理机制,开发了单机版和网络化的混凝土抗冻性专家系统。     

滚动轴承知识表征与检索方法

以滚动轴承知识为对象,利用集成定义方法（IDEF）的建模技术,借鉴产品模型数据交换标准（STEP）应用协议的开发方法,对知识建模进行了系统的分析,建立了中性知识表征体系,并用人工神经网络、规则推理和人工参与相结合的方法实现了知识检索,突破了传统规则推理的缺陷。同时,为支持产品分布式集成信息系统底层知识的建模和检索提供了系统方法。     

炼油厂智能优化生产调度系统研究

针对炼油厂智能优化生产调度问题,提出了包含基于规则的归纳性知识、基于实例的样本性和基于数学规划的优化过程知识的ＲＢＲ－ＣＢＲ混合智能优化模型。通过这三种不同知识的有机结合,该模型可用于对复杂的生产过程进行描述。该模型已用于石油工业生产调度问题。     

语言知识技能化理论框架下的补缺假设

Anderson的语言知识技能化理论把知识划分成陈述性知识和程序性知识,语言习得过程是陈述性知识向程序性知识转化的过程,这个过程涉及到语境问题。"补缺假设"理论在语言知识技能化理论框架下具有现实意义,陈述性知识向程序性知识转化过程实际上是语言与语境适配过程,这个过程对外语教学的启发很大。     

基于规则方法的汉语到语义网络语言的转换研究

语义网络语言是一种具有较强表示能力的知识表示方式．语义网络语言的使用有助于运用语言结构进行推理,回答查询．从依存关系树库中提取出依存三元组到语义网络语言的转换规则,并使用XML标记语言实现了对大规则集的管理,包括规则的添加、删除、修改．从而实现了汉语到语义网络语言的转换,为构建以语义网络语言为知识表示形式的知识库提供了支持．     

言语生存论视野下“知识元”型母语课程知识探析

知识问题始终是课程的核心问题。文章在承认母语课程知识的多样性存在的前提下,关注知识的完整性,立足＂学生＂立场,从言语生存论的视野提出了以＂知识元＂统领下的母语课程事实性知识、概念性知识、方法性知识和价值性知识四种类型、四个层面整合的研究策略,以期为母语知识教育问题的研究提供一种新的可行性思路。     

扩展产生式规则知识表示方法

通过对现有知识表示方法进行分析，指出了产生式规则和概念图表示方法在自然语言理解中存在的问题，提出了扩展产生式规则知识表示方法，并对该规则的推理机制和具体实现进行了讨论．扩展产生式规则表示方法是将产生式规则的前提、结论和处理分别用概念图表示，是一种混合知识表示方法．它既保持了产生式规则的模块性，又揭示了自然语言中的深层次关系，与自然语言形成自然映射。通过分析表明，扩展产生式规则的总体性能要优于传统的产生式规则。并且特别适合于自然语言理解中的知识表示．该规则已应用于网络故障诊断专家系统的自然语言接口设计中．     

用于数据挖掘的粗集产生多重知识库的方法

提出了一种用于数据挖掘的粗集产生多重知识库的方法．该方法基于粗集理论的简化和决策矩阵．首先从知识表示系统中消除冗余属性,产生简化表,形成简化的知识表示系统,提高学习的有效性和精确性．然后从简化表中推导出决策矩阵,通过决策矩阵获取最小决策规则,计算包括所有必需属性的简化集合,给出计算最小决策规则和计算多重简化的算法．最后由相应的简化对最小决策规则进行分组形成多重知识库,给出产生多重知识库的算法．     

基于对象和规则的专家系统构造工具FRS

叙述了一个基于对象和规则的混合式专家系统构造工具,该系统使用框架、规则和人工神经网络等多种知识表示形式,采用模糊推理机制,运用正向、反向及正反向混合的推理形式,提供了非单调推理功能,形成了一个表达能力强、适用广泛的工具系统.本文着重时该系统的总体结构、模糊推理与人工神经网络的应用进行了论述.     

基于解释的人工神经网络集成学习方法

基于知识的人工神经网络是集成学习方法领域中最主要的研究方向，它利用领域知识决定神经网络的初始拓扑结构和联接权值的设置。一方面利用领域知识加速了网络的学习，另一方面利用神经网络的鲁棒性减少了领域理论不完善和数据噪声的影响，从而较好的解决了不完善领域理论的学习问题。本文对这方面的几个主要系统ＫＢＡＮＮ、ＲＡＰＴＵＲＥ进行了分析和评价，指出了它们在网络拓扑结构的动态改变、深层网络的加速学习和结果网络到规则的转译等方面的弱点，并因此提出了一种有效的集成学习方法——基于解释的人工神经网络。     

类似CMAC的模糊神经网络及其在控制中的应用

提出的一种模糊神经元网络是模糊逻辑的一种网络结构的实现。该网络由特征网络 和功能网络两部分组成。特征网络用来产生模糊规则的前件，相应于每条规则的适用度。功能 网络用来实现模糊规则的后件。最后的输出则为各模糊规则后件的加权和。该网络具有小脑模 型关节控制器（ＣＭＡＣ）的一些性质，具有神经元网络和模糊逻辑两者的优点。它既可以容易地 表示模糊和定性的知识，又具有较好的学习能力。文章同时给出了网络在控制中应用的两种实 现结构以及用作非线性映射的一个算例。     

基于域理论的自适应谐振神经网络研究

在自适应谐振理论和域理论的基础上提出了一种基于域理论的自适应谐振神经网络算法ＦＴＡＲＴ。该算法将自适应谐振理论和域理论的优点有机结合,采用了独特的解决样本间冲突和动态扩大分类区域的方法,不需人为设置陷层神经元,学习速度快,精度高。此外,还提出了一种从ＦＴＡＲＴ网络中抽取符号规则的方法,即基于统计的产生－测试法,实验结果表明,使用该方法抽取出的符号规则可理解性好、预测精度高,可以很好地描述ＦＴＡＲＴ     

神经网络与模糊故障诊断专家系统结合的应用研究

讨论基于模糊产生式规则的故障诊断专家系统与神经网络相结合的问题,把推理网络同神经网络联系起来,使它能转换成神经网络。结论经实例验证,该方法可靠有效。利用神经网络的并行处理和自学习能力,能避免传统模糊推理的冲突,低效率和知识获取的瓶颈问题。     

一种基于有色Petri网的知识库验证方法

以有色Petri网为基础,在经过了必要的功能扩充后,针对知识验证的主要内容,建立了有色Petri网的知识表示模型,提出了一种简洁有效的、基于有色Petri网的知识库验证方法,并给出了相应的判定准则,最后给出了一个说明知识表示模型和知识验证准则的实例。     

Data Mining Based on Computational Intelligence

This paper combines computational intelligence tools: neural network, fuzzy logic, and genetic algorithm to develop a data mining architecture (NFGDM). which discovers patterns and represents them in understandable forms. In the NFGDM. input data are preprocessed by fuzzification, the preprocessed data of input variables are then used to train a radial Basis probabilistic neural network to classify the dataset according to the classes considered. A rule extraction technique is then applied in order to extract explicit knowledge from the trained neural networks and represent it in the form of fuzzy if-then rules. In the final stage, genetic algorithm is used as a rule-pruning module to eliminate those weak rules that are still in the rule bases. Comparison with some known neural network classifier, the architecture has fast learning speed, and it is characterized hy the incorporation of the possibillty information into the consequents of classification rules in human understandable forms. The experiments show that the NFGDM is more efficient and more robust than traditional decision tree method.     

基于过程神经网络与气动热力参数的航空发动机状态监视

采用前馈过程神经网络方法预测发动机排气温度，讨论了网络输入输出参数的选择问题，基于正交基函数简化了前馈过程神经网络的聚合运算，提出了从前馈过程神经网络向传统前馈神经网络网络模型的转化方法，基于传统前馈神经网络先验知识给出了学习算法，进行了网络训练及仿真，取得了满意的结果。     

大角度透视变形集装箱图像箱号识别方法

针对存在大角度透视变形的集装箱图像,提出一种新的集装箱箱号识别方法.首先对图像进行透视变换校正,然后利用深度卷积神经网络模型定位并识别出集装箱图像中的26个大写英文字母和10个阿拉伯数字,最后利用集装箱箱号的先验知识,通过级联决策规则从候选字符集中识别出集装箱箱号.此方法应用于重庆港集装箱1 035张实景图像,箱号识别精度达97%,基于NVIDIA GeForce GTX1080图形处理器加速的箱号识别速度为每秒2～5帧.     

基于T-S模型的模糊神经网络

一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模型的模糊神经网络由前件网络和后件网络两部分组成。前件网络用来匹配模糊规则的前件，它相当于每条规则的适用度。后件网络用来实现模糊规则的后件。总的输出为各模糊规则后件的加权和，加权系数为各条规则的适用度。所提出的模糊神经网络具有局部逼近功能，且具有神经网络和模糊逻辑两者的优点。它既可以容易地表示模糊和定性的知识，又具有较好的学习能力。给出了调整规则后件参数及前件隶属度函数参数的学习算法，举例说明了它的逼近性能。