基于CBR与RBR的设备采购决策支持系统

该文通过分析制造行业新产品试制部门的设备采购过程,说明采购决策支持系统引入的必要性,并基于CBR(Case-BasedReasoning)案例推理和RBR(Rule-BasedReasoning)规则推理,构造了混合框架的推理系统及相应的案例表示结构,解决了设备采购等复杂决策领域中决策支持系统冗余推理的问题。最后将该混合推理框架及案例表示结构应用于某大型制造企业试制部门的决策支持系统中,取得了较好的效果。     

基于案例推理的供应商选择决策支持系统研究

在介绍了基于案例推理方法的基本原理基础之上,分析了基于案例推理技术的供应商选择决策支持系统的工作原理、框架结构及功能;重点论述了基于案例推理的供应商选择决策支持系统中的一些关键步骤,并结合实例给出了基于案例推理的供应商选择与评价方法,用来验证基于案例推理技术在供应商选择决策支持系统中应用的可行性和有效性,为企业供应商选择决策提供了一个系统模型。     

基于案例推理的土石坝病险智能诊断系统

近年来基于案例推理已受到广泛关注，将基于案例推理技术应用到土石坝病险诊断系统中，为土石坝病险智能化诊断提供了一条新的途径。该文针对土石坝病险诊断的案例特点，设计了案例的集成框架表示和分层模糊检索策略，并提出了诊断系统的实现方案。     

基于案例与规则推理的干扰查找专家系统

根据无线电干扰查找的特点,将基于案例推理与基于规则推理相结合的机制应用于诊断系统。给出专家系统的整体结构,阐述案例的表示方法和检索方式,介绍专家系统的工作方式。实际应用表明,该系统可以有效提高于扰查找的准确性,有利于提高干扰查找人员的分析和判断能力。     

基于案例推理的电子商务个性化推荐系统

在电子商务个性化推荐系统中，输入数据过多地依赖客户对项目的评价。针对这一问题，该文将基于案例推理技术引入到个性化推荐系统的研究中，提出了一种新的系统结构框架，分析了该框架的关键技术，通过简单的示例说明了案例推理技术在个性化推荐系统中的应用过程，并验证其有效性和准确性。     

案例推理的故障诊断技术研究综述

基于案例推理(case-based reasoning,CBR)的故障诊断作为一种新的智能诊断技术,模拟人类求解问题的思路,通过历史案例发现新问题的解。概述了CBR的理论基础和基本原理;从工作过程和集成框架两个方面综述了CBR故障诊断技术的研究现状,其中工作过程包括案例的表示、检索和重用,以及案例库的维护,集成框架包括CBR与基于规则推理、CBR与人工神经网络以及CBR与多智能体等三种情况;比较了六种故障诊断技术的特点及应用范围;总结了CBR故障诊断技术有待解决的问题。     

基于智能体的混合知识自适应推理控制

本文将传统的混合知识表示法推广，建立了一个将一般知识、案例知识、模型知识、模型知识及神经网络知识有机集成的结构．该种知识表示结构有助于知识的搜索、匹配和推理控制，解决了复杂问题的知识表示．为适应推理方法的需要，将各种不同的推理方法有机融合与集成，提出一种基于智能体的自适应推理控制结构，该种自适应推理控制结构对于改进解决复杂问题的效果以及提高解决复杂问题的效率具有重要意义。     

基于案例的推理在农业专家系统中的应用

该文将基于案例的推理方法CBR应用到农业专家系统中。在对CBR方法作了简单介绍后,提出了在农业专家系统中面向对象的案例表示、案例库组织的两层结构,并以大豆专家系统中病虫害诊断模块为例阐述了CBR推理在农业专家系统中的具体实现过程。     

基于案例推理的中医诊疗专家系统

把基于案例推理技术用于中医诊疗专家系统的知识表示和推理。提出一个系统模型,介绍案例推理的基本结构,案例提取网以及案例提取算法,对系统中案例的学习和修正机制进行了说明,给出用基于案例的解释来生成诊断结果的解释性说明,以及辅助构建基于案例的中医诊疗辅助教学系统。对系统的特点进行总结,指出进一步研究发展方向。     

基于事例推理的电路诊断技术研究

本文首先简要介绍了基于事例推理(CBR)和基于规则推理(RBR)的优缺点，其次建立了一个CBR和RBR相结合的电路故障诊断系统，最后说明了该系统的基本结构及设计过程。     

知识推理在GIS中的应用

传统的GIS平台具有完成数据采集、管理、存储、处理和一定的空间分析功能,但其空间分析推理和决策能力较弱。将人工智能中有关推理、分析的技术引入到GIS中,使GIS能够具备一定的空间推理分析能力,将弥补GIS对于决策支持方面的不足,发挥其效能,使之能够解决更为复杂的问题。并在最后设计了一个“自助驾车游北京”的智能咨询模型。     

基于案例推理的入侵检测关联分析研究

针对基于规则和模型的入侵检测专家系统中难以建立和表达入侵检测规则的问题,利用基于案例推理(CBR)方法对知识要求的低依赖性,将它引入入侵检测(ID)领域,提出了基于案例推理的入侵检测关联分析(CBRIDRA)模型的框架,研究了系统各功能模块,并对其中攻击案例定义、攻击案例检索、攻击案例管理、专家知识系统等关键技术的解决思路和实现方法进行了讨论。     

柔性推理研究

一、引言 ‘传统专家系统经典的推理方法是图搜索方法〔月,运用叙述性知识给出间题的部分状态描述,包括初始状态和目标状态;运用过程性知识给出“生成器”函数,从上层结点生成下层结点。如规则基系统中,由于作一T】IEN规则的特点,大多采用模式匹配的方式构造“生成器”函数;运用控制性知识,给出评价函数,用于评价新生成的结点,控制继续搜素的前进方向。从上述过程中可以看出,“生成器”函数是一成不变的,即采用同一种模式来解决问题,不管环境变化对推理的影响。虽然启发式推理改进了评价函数,使得推理尽可能向成功方向靠近,但是,所给出的…     

一种基于案例的医疗诊断支持系统

案例推理是人工智能的一种新求解方法。该文针对目前案例推理的不足,用新的观点审视了案例推理过程的一些重要步骤,包括复杂决策环境下案例的表示、案例的检索、案例的调整以及案例推理与其他推理方法的复合等问题,为案例推理的实用化提供了理论依据,并将之用于医疗诊断支持系统的设计。     

基于双向推理的主体框架

文章提出了一个基于双向推理的主体框架FBRA,它是一个混合型的主体框架,主体既是反应的又是慎思的。它的推理内核是正向推理和反向推理相结合。正向推理用于对环境的反应,包括对其他主体的反应。反向推理基于溯因推理,用于信念修正、规划、多主体协调和多主体通信等。     

智能决策支持系统的一种学习推理机

介绍几种软计算技术，并利用软计算融合技术，提出一种新的智能决策支持系统的学习推理系统。该学习推理系统可以用作智能决策支持系统的学习模块，由此可以生成智能决策支持系统的知识库。     

机器推理的进展与展望

机器学习算法的发展仍受到泛化能力较弱、鲁棒性较差、缺乏可解释性等问题的限制.文中介绍机器推理,说明推理对于机器学习人的知识和逻辑、理解和解释世界的重要作用.首先分析人类大脑推理机制,从认知地图、神经元和奖赏回路,扩展到受脑启发的直觉推理、神经网络和强化学习.进而总结机器推理的方式及其相互关联的现状、进展及挑战,具体包括直觉推理、常识推理、因果推理和关系推理等.最后展望机器推理的应用前景与未来的研究方向.     

改进的基于邻接树的贝叶斯网络推理算法

分析比较Shafer-Shenoy结构和Hugin结构两种经典的基于邻接树的贝叶斯网络推理算法。针对Hugin算法在推理分析领域的局限性,通过在Hugin算法的消息传播过程中引入零因子标志位和零因子处理机制,提出一种Hugin算法的改进算法R-Hugin。该算法具有良好的推理分析性能,并从理论和实验两个方面证明R-Hugin算法的正确性和有效性。     

Using Abstract Resources to Control Reasoning

Many formalisms for reasoning about knowing commit an agent to be logically omniscient. Logical omniscience is an unrealistic principle for us to use to build a real-world agent, since it commits the agent to knowing infinitely many things. A number of formalizations of knowledge have been developed that do not ascribe logical omniscience to agents. With few exceptions, these approaches are modifications of the possible-worlds semantics. In this paper we use a combination of several general techniques for building non-omniscient reasoners. First we provide for the explicit representation of notions such as problems, solutions, and problem solving activities, notions which are usually left implicit in the discussions of autonomous agents. A second technique is to take explicitly into account the notion of resource when we formalize reasoning principles. We use the notion of resource to describe interesting principles of reasoning that are used for ascribing knowledge to agents. For us, resources are abstract objects. We make extensive use of ordering and inaccessibility relations on resources, but we do not find it necessary to define a metric. Using principles about resources without using a metric is one of the strengths of our approach.We describe the architecture of a reasoner, built from a finite number of components, who solves a puzzle, involving reasoning about knowing, by explicitly using the notion of resource. Our approach allows the use of axioms about belief ordinarily used in problem solving – such as axiom K of modal logic – without being forced to attribute logical omniscience to any agent. In particular we address the issue of how we can use resource-unbounded (e.g., logically omniscient) reasoning to attribute knowledge to others without introducing contradictions. We do this by showing how omniscient reasoning can be introduced as a conservative extension over resource-bounded reasoning.