共查询到19条相似文献,搜索用时 270 毫秒
1.
基于CBR与RBR的设备采购决策支持系统 总被引:1,自引:3,他引:1
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。 相似文献
2.
基于案例推理的供应商选择决策支持系统研究 总被引:10,自引:1,他引:10
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。 相似文献
3.
4.
5.
6.
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。 相似文献
7.
基于智能体的混合知识自适应推理控制 总被引:2,自引:0,他引:2
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。 相似文献
8.
基于案例的推理在农业专家系统中的应用 总被引:11,自引:0,他引:11
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。 相似文献
9.
10.
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。 相似文献
11.
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。 相似文献
12.
基于案例推理的入侵检测关联分析研究 总被引:1,自引:0,他引:1
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。 相似文献
13.
14.
一种基于案例的医疗诊断支持系统 总被引:4,自引:1,他引:3
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。 相似文献
15.
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。 相似文献
16.
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。 相似文献
17.
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. 相似文献
18.
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。 相似文献
19.
Richard W. Weyhrauch Marco Cadoli Carolyn L. Talcott 《Journal of Logic, Language and Information》1998,7(1):77-101
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. 相似文献