基于事例推理的质量故障处理系统的研究

基于事例推理是人工智能中的一种重要推理技术。以质量管理系统的设计与开发为背景，在分析质量故障处理的特点和应用现状的基础上，提出了一种基于事例推理的质量故障处理方法。它克服了传统的基于规则推理系统获取、描述准确知识困难的瓶颈，提高了自学习能力。     

神经网络知识获取及推理技术在番茄专家系统中的应用

针对传统专家系统知识获取的瓶颈性问题，提出了基于神经网络和传统知识获取与表示相结合的方法。传统的推理方式存在推理效率低和冲突消解问题，提出了由神经网络推理和逻辑推理所组成的混和推理系统。利用神经网络的自学习、自组织、自适应特点，来实现自动知识获取；混和推理既利用了神经网络的并行处理的效率、解决了传统推理存在的冲突消解问题，又克服了神经网络推理结果无法解释等特点，具有较高的准确性和效率性。最后给出了番茄病虫害诊断的应用实例。     

基于范例推理的桩基设计辅助系统

基于范例的推理（CBR）是一种新型的人工智能推理技术，能够有效地提高系统的推理求解能力，利用Visual Basic和Access，通过应用数据库来表示和搜索匹配范例，对开发基于范例推理的桩基设计辅助系统进行了初步尝试。     

范例推理中范例自动获取的数据挖掘技术

范例推理作为基于规则推理技术的一个重要补充，已受到人工智能研究 人员的普遍关注，在范例推理中，也有许多相应的知识，它主要包括：范例库、修正知识库，索引模式，相似性判断标准等，这些知识的获取也存在一定的瓶颈问题，通过在范例推理中引入数据挖掘技术，可望部分解决其知识获取的自动化问题，提高智能系统的整体性能，本文着重讨论了在范例推理中使用数据挖掘技术的必要性，提出了二上自动获取范例库的思想与算法，并应用于一个实际的系统之中，实际结果表明，这种思路大大提高了智能系统的开发周期与系统的运行效率。     

范例库上的知识发现

本文着重探讨在范例库中引入一系列可以使用的知识发现技术，以提高范例推理系统的知识获取的自动化程度，这里提出了基于范例库上的修正规则的发现技术与算法，为此进行了实验与讨论。     

基于案例推理的个性化推荐系统数据源研究

大数据时代,海量资源给用户快速从浩瀚的资源中获取所需信息带来了难题,个性化推荐系统的市场需求越来越大。案例推理技术在个性化推荐系统中的应用还很少,因此,提出了基于案例推理的个性化推荐系统数据源建设方案。分析了数据源的组成,建成了包括用户案例库和知识库的个性化推荐系统数据源,为案例推理提供了一定的基础数据。系统研究结果表明,数据源建设对系统推荐结果个性化程度的质量具有重要意义。     

基于实例的工艺知识获取模型

介绍了耦合神经网络的工艺设计实例推理系统的实现方法论,提出了一种基于神经网络的工艺设计实例推理索引模型．与现存大多数实例推理系统不同,该方法用神经网络实现实例的动态分类和索引．实例层次分类的三层结构和基于特征的聚类模板概念,为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件．提出了基于实例的工艺知识获取模型,采用新实例的入库操作实现工艺知识的隐式获取,从而使知识获取得以简化．神经网络的自适应、自学习能力将减少系统的日常维护工作．基于实例的系统可望解决知识获取的难题．     

基于模型推理的智能注塑模设计系统

基于模型推理 (MBR)是构建知识系统推理机制的一种方法 ,将该技术集成于通用 CAD设计软件 ,使设计软件具有一定智能 ,提高设计效率 .简述了 MBR的特点 ,并将其与基于规则推理、基于实例推理进行了比较 ,阐述了 MBR技术在注塑模设计中的应用 ,在 Pro E设计平台上构建了 MBR的智能注塑模设计系统 .经工程实践 ,该系统可以有效地提高设计效率     

定性系统单元分解仿真算法研究

标准的QSIM算法,由于基于全局状态表示来描述、推理系统的行为,对于复杂系统推理求解时会产生不可控分枝问题.文章提出一种系统分解的仿真算法,将定性模型分解成称之为"单元"的子模型.对单元分别应用QSIM推理,对单元间的关系通过约束传播使得子模型推理一致.这种系统分解仿真算法可大大降低QSIM算法的不可控分枝,提高系统的仿真效率.     

远程故障诊断中融合推理及信息反馈的研究

基于案例推理(CBR)与基于规则推理(RBR)的专家系统优势互补,并在机械故障诊断领域中有了一定的应用,但仍然受到知识库"瓶颈"的约束.文章提出了将CBR与RBR相结合的专家系统引入远程故障诊断中,使得系统的学习能力增强,知识库扩展速度提高;并引入信息反馈,提高了案例标本的准确性,更大程度地提高了故障诊断的效率及准确率...