Horn集上的有向调解法

本文证明了在一定条件下输入有向调解法在Horn集上是完备的,进而得出了在该条件下的单元有向调解法对Horn集的完备性。     

基于极性的非循环术语集调试

通过定义公理中概念的极性和极性冲突,用极性冲突模拟非循环ALC术语集中的语义冲突。在计算极小不可满足保持子集的计算过程中,利用极性冲突作为启发信息,选择更可能导致冲突的公理集合进行有效扩张和收缩。经过评测,在一般情况下,加入极性冲突信息的极小不可满足保持子集求解策略有较高的效率。     

离散事件系统故障的极小观测序列

为了提高可诊断离散事件系统故障的在线诊断效率,本文从判定故障发生的可观测事件的角度,提出了故障极小观测序列方法.文中选取有限状态自动机对离散事件系统进行建模.首先,在离线状态下,建立系统的故障模型,以排除对于判定系统故障无关的路径.然后,根据故障模型进一步建立判定系统故障的极小观测序列模型.当离散事件系统在线诊断时,仅需将逐步增加的在线观测事件序列与故障的极小观测序列模型进行比对.若能找到满足该模型的任何一条路径,则说明路径终止状态上故障标签对应的系统故障发生;否则,说明系统无故障发生.文中对可诊断离散事件系统进行实验对比,通过故障的极小观测序列模型能尽快判定有无故障发生,以及发生了哪些故障.该模型能有效地缩小系统在线诊断的时间,提高系统在线诊断的效率.     

基于正向软标签的轻量级关系抽取

针对关系抽取模型规模越来越大、耗时越来越长的问题,提出一种知识筛选机制,利用筛选出的正向软标签构造轻量级关系抽取模型.首先,利用知识蒸馏提取出知识并将其存储在软标签中,为避免知识蒸馏中教师与学生间差距大导致的知识难吸收问题,使用教师助手知识蒸馏模式;其次,使用标签的余弦相似度筛选出正向软标签,在每步蒸馏中都动态赋予正向软标签更高的权重,以此削弱知识传递中错误标签导致的影响.在数据集SemEval-2010 Task 8上的实验结果表明,该模型不仅能完成轻量化关系抽取任务,还能提升抽取精度.     

分布式离散事件系统的安全可诊断性算法

采用有限状态自动机对分布式离散事件系统建模, 提出一种分布式离散事件系统的安全可诊断性算法. 首先, 获得系统的全局模型, 剪枝并确定系统是否可诊断. 若系统可诊断, 则构建该系统的安全诊断器, 在全局模型中添加安全标签, 判断系统是否安全可诊断. 实验结果表明: 该算法可判断分布式离散事件系统是否安全可诊断, 缩小了求解空间; 最好情况下实例状态数约缩减至7倍, 平均情况下实例状态数约缩减5.45倍.     

基于分层任务网络的一致性规划方法

给出一种求解一致性规划问题的新方法, 并给出了此求解方法的有效性分析. 在求解一致性规划问题时, 先将各个可能世界都转移到某个中间状态, 再从中间状态做一次求解. 结果表明, 该方法具有较高的效率和较好的扩展性.     

一维非均匀介质中Casimir stress的收敛性

文章基于Lifshitz理论,在现有计算Casimir stress的规范化方法基础上,对之做进一步的数学演绎来研究一维情况下Casimir stress的收敛性. 通过分析电磁场格林函数的Galerkin变分方程,文章严格地证明并得出结论:在现有的Lifshitz公式理论体系及常规的规范化方法下,只要介质中某处的介电常数ε或磁导率μ的一阶导数不为零,Casimir stress在这些导数非零处就是发散的. 该研究成果证明了现有的常规规范化方法不适用于非均匀介质,为改进现有物理模型和寻找新的适用于非均匀介质的规范化方法提供了理论参考.     

广 义 KRA 抽 象 模 型

针对KRA抽象模型的表示框架进行扩展, 将感知过 程分解为初步感知过程和抽象感知过程两部分: 初步感知过程将该模型提供的一个框架R表示世界W在初步感知系统P的作用下映射为P(W), 该过程不改变W中具体对象的实体属性; 抽象感知过程将P(W)在感知系统P^*的作用下映射为P^*(W), P^*(W)中的对象称为抽象对象, 抽象对象的类型根据感知者预先定义的抽象对象库O_a的不同而不同. 这种建模过程的细化可生成W的不同抽象模型, 使推理得到简化.     

一种多目标增量启发式搜索算法

提出一种多目标增量启发式搜索算法, 该算法结合启发式搜索与增量搜索的思想, 当多目标问题搜索图的状态格局发生改变时, 该算法并不是对变化后的问题进行完全重新求解, 而是部分利用了先前搜索保留的信息求解新问题的最优解集, 从而提高了问题求解的效率. 通过Gridworld标准测试问题上的实验测试, 验证了算法的效率.     

一种改进的基于结构抽象的分层模型诊断方法

基于分层模型诊断算法, 提出一种改进的方法, 对每层进行抽象时, 根据分层表示和抽象条件, 同时实现固定和动态两种抽象过程. 该方法进一步解决了基于模型诊断计算复杂性的问题. 在最终抽象层候选空间相同的前提下, 减少了分层的层次数和诊断问题的个数; 在一定条件下, 第l(l>0)层的诊断可以不必细化到最底层, 即可得到最终的诊断结果. 实验结果表明, 该算法在多数情况下比以往的分层模型诊断
方法效率更高.