产生式系统与神经元网络的结合

提出了产生式系统和神经元网络相结合的方法,研究了从推理网络转换到神经元网络的途径,研究了从神经元网络权矩阵转换到产生式规则的方法,从而使产生式系统能自动修正规则和获取规则.还提出了一种由二次型阈值元件组成的神经元网络,给出了它的学习算法,并严格证明了它的收敛性.     

一种产生式系统的扩展方法

产生式系统是一种应用广泛的知识表示和知识推理方法，但具有大规模规则库的产生式系统，其知识的组织与管理越来越困难，推理效率也越低。该文采用关系模式表达知识，利用关系数据库技术，提出了一种行之有效的方法，适合大规模产生式系统的设计。     

控制产生式系统

提高产生式系统中控制策略的灵活性和高效性,一直是诸多专家、学者致力研究的一个课题。本文提出了把控制部分从产生式系统中分离出来,作为一框架加入到产生式系统结构中去的一种思想方法,并对其进行了形式化描述,最后分析了由此产生的控制产生式系统的特性。     

基于产生式系统的不确定性知识表示及推理研究

不确定性知识表示及推理是人工智能研究领域的重要内容之一。通过对不确定性知识表示及推理的问题的探讨，提出了不确定性知识程度（Uncertainty Knowledge Degree，UKD）的表示法，为提高不确定性推理结果的可信度提出了一些新的技术和方法，并通过实例验证了本方法的可行性和有效性。     

产生式系统的一种新匹配算法

本文提出了产生式系统的一种新匹配算法，并对新算法的时空复杂性作了估计，还进行了模拟试验，结果表明，新匹配算法明显提高了效率。     

模糊集值产生式系统的启发式图搜索算法

首先提出了模糊集值产生的系统的概念，然后运用三角范算子，得到了模糊集值产生式系统启发式算法，并对启发式算法的可采纳性给出了证明。     

建立产生式系统求解八数码难题

产生式系统可以很好地模拟人类推理的思维过程．所以在建立人工智能系统时，人们常常利用产生式系统建立人类认知的模型来解决一些难题．本文利用产生式系统解决了八数码难题．     

一个基于Rete算法的可视化产生式系统

国内常见的产生式系统 ,如OPS5和CLIPS ,他们的应用和开发界面都是类似LISP的文本界面 ,可操作性差 .基于面向对象的方法和技术 ,设计并实现了一个可视化的产生式系统 ,该系统采用Rete算法进行推理 ,提供了事实库、规则库和Rete网络的可视化的维护功能 .使用VC 6 .0实现了该系统 .实际运行表明 ,该系统效率高 ,可操作性强 .     

用于图像识别的新型神经元网络

提出了一种用于图像识别的映射正交神经元网络。在一般情况下待识别的样本空间的维数相当大，为了有效地进行识别，必须把样本空间的维数降下来。目前常用的方法就是特征提取法，本文采用映射正交过程把样本空间映射成正交分类空间，并在此基础上，采用Ｈｏｐｆｉｅｌｄ网络进行图像分类。计算机上模拟结果表明，此网络具有对缺损和噪声图像进行正确识别的能力。     

一个基于AI产生式系统的软件开发新模型

在设计一个程序以前，应该完整地并且精确地说明要求解的问题．作为一个产品。软件相对于其形式规格说明来说应该是可靠和正确的．规格说明是程序变换方法的起点，程序变换方法保证了程序的正确性．本文给出了ＡＤＴＳＬ的简要描述，并提出了一个基于人工智能中的产生式系统的软件开发新模型．     

动物学习的神经元网络模型

本文提出了一个适用于动物神经系统在自然环境下的学习的神经元网络模型。这一模型可通过学习建立未知感觉物与某一已有行为反应间的正确对应关系。该模型的整个学习过程不需要人的参与。本文还提出了一个新的方法来解决在并行处理模型中如何识别或产生做为整体的具有一定时间顺序的由多个模式构成的序列。     

一种基于产生式系统的空间直线拟合方法

求解设备转动副的高精度实际轴线是提高设备运行精度的重要措施之一.当空间测量点密集时,通常的最小二乘法很难得到正确的拟合直线.研究发现,最小二乘法易造成90°的偏转,即发生偏转后,直线位于理想直线的垂直面内;造成这种偏转的原因是最小二乘法距离函数不是一个单极值函数,发生偏转的直线实际上是取得了其中一个最小值,而非全局的极小值.为防止偏转,提出了一种基于产生式系统的空间直线拟合方法,该方法首先为拟合直线指定一个基本方向,然后通过微分变化,经有限次迭代便可求得理想的拟合直线.该方法能有效避免在使用最小二乘法求取拟合直线时产生的偏转问题,通过在机器人关节轴线测量中的应用证明,该方法在工程实际中有较高的应用价值.     

神经元网络分散控制系统及其应用

神经元网络分散控制系统是一种新型的分散控制系统，文中以美国智能控制公司开发的ＮＮＤＣＳ产品为背影进行了研究，介绍了ＮＮＤＣＳ在某煤气厂监测和生产管理系统中的应用。     

基于神经元网络的不确定性规则的获取

讨论了不确定性规则的知识系统同神经元网络相结合的问题;提出了适合处理不确定性规则的负梯度学习算法,使不确定性规则能方便地转换成神经元网络的权矩阵;研究了如何利用神经元网络的生成能力来获取新的不确定性规则,使知识系统具有知识自动获取能力,并使原有规则系统的脆弱性得以改善.     

可交换的产生式系统的状态空间图为有界格

产生式系统是人工智能系统中最典型最普遍的一种结构,而可交换的产生式系统又是产生式系统中一种非常理想的结构.将可交换的产生式系统的状态空间图抽象为一个有界格的结构,则对一类特殊的可交换的产生式系统的状态空间图抽象为布尔代数.     

用神经元网络预测靶材与薄膜性能间的关系

用神经元网络的方法预测了溅射靶材、工艺参数与电阻薄膜性能之间的关系．经预测误差分析以及与实验比较，表明用７９组训练样本可基本准确预报电阻薄膜的性能．对各参数影响薄膜性能的程度也作了分析．     

一类模糊神经元网络控制器及其仿真

针对复杂性非性系统的模糊神经元网络方法控制中，模糊子集合的划分、隶属函数和推理规则的拟定问题进行了研讨，并以此设计了一类模糊神经元网络控制器，给出了学习算法和仿真研究结果。     

前向神经元网络的子波表示

基于函数逼近，对前向神经元网络中非线函数与子波变换中母函数的关系进行了分析，推出了前向神经元网络的子波表示，指出两种方法应用于Ｌ＾２（Ｒ）空间函数逼近时是一致性，最后给出了两个前向神经元网络的子波表示，函数逼近实例验证了本结论的正确性。     

基于投资者信念及神经元网络的指数预测

分析了金融学的新发展对短期定量预测技术的理论支持，基于用神经元网络预测选择变量困难的问题，提出了在价格和交易量趋势中挖掘投资者信念作为预测依据的新思路，并用上证30指数进行了预测检验，结果显示挖掘投资者信念和神经元网络结合能够产生预测能力。