南阳地区智能化经济决策支持系统NY-IEDSS

本文提出将基于人工智能技术,运用知识和推理的专家系统与基于数字仿真技术,运用数据和模型的仿真模型体系相集成的智能化经济决策支持系统NY-IEDSS。系统支持决策过程的信息、设计和选择各阶段,并通过人-机界面实现定性与定量向结合的交互式决策。运行经验表明系统在提供日常事务决策和发展战略决策服务中有很高的实用价值。     

基于知识的设计支持系统用于雷达系统方案设计

本文探讨了基于知识的设计支持系统基本概念和观点,提出分解和基于实例推理作为设计支持系统的基本求解模型。针对雷达系统,给出了设计知识的描述方法和系统的基本结构。     

神经网络与军事电子技术智能化

本文讨论了新近得到迅速发展的神经网络在军事电子技术中的潜在应用,指出了其研究的有关问题。     

决策支持系统中决策问题的识别方法

本文概要地介绍了按决策思维方式进行DSS集成化设计的决策支持过程,并在此基础上,探讨了一类支持制定决策方案(规划与计划)的决策支持系统中,决策问题的发现与构成方法。     

神经网络与AI发展现状、省思与综合

本文系统地评述了神经网络和AI的发展现状,研究了两者之间关系与特征,提出了有关前沿领域的若干公开问题。     

多专家集成式决策支持系统探讨

本文在文献[1]给出集成式决策支持系统(I—DSS)的基本概念及提出I—DSS的两种主要形式的基础上,对I—DSS的形式之一——多专家集成式决策支持系统(MEI—DSSS)作了较深入的探讨。本文阐述了MEI—DSS提出的原因,给出了MEI—DSS的基本概念,概述了MEI—DSS同相关学科和技术的关系,提出了MEI—DSS的基本结构框架,并从知识表示、推理机制以及多专家系统动态组合进行问题求解的算法实现等方面探讨了该系统在大型决策中的应用。本文最后提出了MEI—DSS今后有待深入研究的课题。     

相控阵雷达事件自适应调度方法——C语言软件支持系统

本文给出了相控阵雷达事件调度的一种自适应方法,详细地介绍了算法原理及其数据结构,并用C语言开发了该调度算法。然后,通过两种检测手段对该程序进行了测试,均得到了符合实际的满意结果。     

决策支持系统的发展与趋势

决策支持系统(DSS)是支持半结构化和非结构化决策,允许决策者直接干预并能接受决策者的直观判断和经验的功态交互式计算机系统。本文结合笔者在研究工作中的体会,概述了DSS的几个主要发展趋势:群决策支持系统(GDSS)、智能决策支持系统(IDSS)、集成式决策支持系统(I-DSS)、分布式决策支持系统(DDSS)、决策支持中心(DSC)和战略决策支持系统(SDSS)的基本概念和特征,并提出了各发展趋势中值得深入研究的课题。     

美国决策支持系统开发现状

本文介绍了决策支持系统(DSS)在美国的应用,DSS的分析与设计方法以及DSS的开发策略;介绍了一种新型的满足高级行政管理人员需求的管理支持系统——执行信息系统EIS(Executive Information System)。     

多目标决策的迭代协调交互满意方法

本文在假定决策者的局部偏好结构为线性加权形式但权数未知的条件下,利用极大化极小规则,建立了一种多目标决策方法——迭代协调交互满意方法。通过迭代求得协调解,通过交互求得满意解。本文证明了算法的收敛性,并给出了决策者的最佳协调解、最佳协调权及最佳目标平均满足度等概念及其求法。最后通过数值例示说明了方法的可行性及适用性。     

实现冠心病普查系统GISCAD的进化模型

一般说来,专家系统的开发是一个知识获取的过程。本文首先介绍了我们开发的一个冠心病普查系统,并讨论了知识获取和系统进化等问题,说明了用于开发冠心病普查系统的进化模型。     

复杂过程系统集成化智能诊断系统工具（IIDT）研究

本文针对复杂过程系统故障诊断问题，提出一个集成化智能诊断系统工具。该工具系统采用以元系统为核心、并行分层的开放式集成化智能软件结构，在知识表达上采用面向对知识表达方法，它具有集成化、智能化和自动化的特点。     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.