机械设计专家系统的知识表示

知识表示是机械设计专家系统(MDES)的核心问题之一。本文在分析机械产品设计过程和知识特点的基础上,结合传动箱设计专家系统——GBES的研制,提出了知识元、规则、过程、向量、表等的综合知识表示方式和相应的知识库结构及维护手段。GBES用SCheme Lisp语言编写,已在IBM PC/AT机上成功运行。     

《天马》的知识自动获取

本文首先概述了基于实例的机器学习的几种方法,然后介绍了《天马》的知识自动获取功能,包括背景知识学习,增量式规则知识学习及知识求精。     

专家系统间的知识获取与专家系统兼并

自 DENDRAL 产生并被成功地使用近二十年来,专家系统(ES)作为人工智能(AI)的一个分支,不仅在技术上得到了丰富的发展,而且数量和应用领域迅速增加,这主要是由于 ES 为领域专门化的,不象许多传统软件是领域通用的。但是,目前各领域中现存的 ES 也出现了一些应引起注意的问题,如 ES 的安全,已有 ES 的更新与发展等。另一方面,随着理论与技术的成熟及应用的需求,产生了第三代 ES 的概念,即大型多学科综合型专家系统。本文提出并浅议已有 ES 更新与发展及构造大型 ES 的一种可能的方式——ES 间的知识获取与 ES 兼并。     

根据观察获取知识

本文介绍一种建立知识库的学习方法。从人类专家吸取知识的知识获取系统有两种类型:交互式和非交互式的。本文介绍非交互式知识获取系统,它依据观察从人类专家获得知识。这种知识获取系统学习人类专家用以解决问题的策略和从瞬时序列数据中抽取逻辑规则,其学习方法是基于翻译的学习(IBL),在学习过程中要用到预备知识。IBL 有两个子系统:翻译系统和学习系统。前者负责把现实世界的信息翻译成内部规则形式,而规则维护系统负责生成和界定知识。本文将介绍翻译系统和规则生成的预处理过程。     

知识获取方法初探

本文着重讨论了当前交互式自动知识获取系统(AKAS)所使用的两种典型的知识抽取方法,并结合对方法的分析评述给出作者关于 AKAS 未来发展的看法。     

常识：知识获取的瓶颈

一、常识问题的由来智能系统之所以能展现智能行为,是因为它形式化包含了某些人的知识,且这些知识是系统行为的核心。智能系统的知识是由知识工程师和领域专家进行交流提取的,这里所指的领域专家也包括由领域专家所撰写的专业文献。这个看似简单的过程其实蕴涵着专家系统构造中的一个瓶颈问题:知识     

基于神经网络的知识获取

本文提出了用基于规则专家系统与神经网络的集成，该系统实现了从实例中自动获取知识的功能．在产生和控制不完全情况方面提高了专家系统的推理能力．它使用无导师学习算法的神经网络来获取正规数据，并用一个符号生成器把这些正规的数据变换成规则．生成规则和训练后的神经网络作为知识库嵌于专家系统中．在诊断阶段，为了诊断不明情况，可同时使用知识库和人类专家的知识，而且系统可以利用训练过的神经网络的综合能力进行诊断，并使不相符数据完整化．     

专家系统的开发环境与实现

本文介绍一个通用规则型专家系统开发环境模型，并详细地论模糊专家系统中的知训表示，同时给出相应的算法。     

计算机硬件维修知识库的知识表示和知识获取

本文以计算机硬件售后的维修服务为模型,为计算机硬件出现的故障及对应解决方案创建知识库.硬件故障知识采用事例表示法和产生式规则表示法两种方法,并将知识分为事例知识和规则知识两类.在事例知识的获取方面采用了自动获取和人工干预两种形式,在规则知识的获取方面采用的是人工干预形式.     

基于人工神经网络的知识获取方法

知识获取是研制和开发专家系统的瓶颈。本文从三个方面研究了基于神经网络的知识获取方法,即通过实例学习获取知识、基于神经网络的知识求精以及从神经网络提取规则知识,分析了各自的原理及其存在的问题。     

知识获取问题初探

本文借助于PCP心理学和模糊数学理论,介绍了一种新型的知识获取方法.     

基于半自动化知识获取的操作票专家系统的研究与实现

介绍了以Visual C++为工具开发的基于半自动化知识获取的操作票专家系统,实现了图形在线自动开票、手工开票、调典型票等多种开票方式,具有操作票管理、编辑及模拟仿真操作功能.具有一定的学习能力,能够自动更新和完善专家知识库,防误功能强大,且图形界面友好,易维护、易操作,具有较高的智能性和安全性.