施工方案智能决策支持系统的面向对象模型

本文应用面向对象技术分析建筑施工组织设计，建立了包括施工项目子模型和施工活动子模型的施工领域模型，并在此基础上建立了施工方案智能决策支持系统模型。同时以钢筋砼建筑的施工方案决策为例，提出了知识库中知识的面向对象表示与增长机制以及决策过程的实现方法。     

房地产评估决策的面向对象模型

建立房地产评估决策支持系统对于科学决策项目，提高项目的经济效益和社会效益至关重要，确定了一个面向对象的房地产开发评估决策模型，以投资酒店项目的决策为例，提出了评估决策知识的面向对象表示法，知识库的组织机制以及主估决策知识的维护机制和推理机制。     

面向决策的知识管理系统开发组件研究

研究了面向决策的知识管理系统（DOKMS）的概念模型，指出DOKMS包括知识库的构建与知识库的操作两个部分。在知识库构建方面，研究了元知识的标准化问题，提出了一个有冗余的元知识标准化方案；而在知识库操作方面，建立了查询引擎学习模型与用户偏好学习模型，以实现知识库的联想查询与知识推送，在该基础上，设计了知识库的数据结构，并运用面向对象方法设计开发出了DOKMS开发组件。     

基于神经网络的足球机器人决策知识库的设计

本文主要提出一种基于神经网络的足球机器人决策知识库的构建方案,阐述了所设计的决策知识库的知识构成和相应的知识表达方法。根据该知识库的知识构成特点,将神经网络运用于知识库的知识表达与获取之中,利用神经网络的自组织和学习能力,提高知识库的推理能力和在线决策能力。最后利用VC6.0,以RoboCup中型组比赛为例进行仿真论证。     

应急系统中不确定时态知识表示及其推理

在分析现有不确定信息表示模型基础上，提出了一种可扩展的时态知识表示模型，该模型对真实事件的间断性表示加以改进，进而讨论了应急决策知识库的构建方法和相应推理机制。实验数据表明，在原型系统中使用改进后的表示模型和推理方法，能够提高应急系统处理效率和决策方案的合理性。     

面向对象知识库的设计

面向对象技术的成熟及其在知识库系统中的应用，赋予了知识库一些新的概念。我们就此进行了较为深入的研究，并对知识表达、推理等作了一些探讨，采用基于面向对象技术的原型－代理机制定义和设计了知识对象，实现了知识共享，并通过对象间的消息传递形成多个推理机场境，从而进行知识的推理。本课题初步实现了一个具有一定推理辅助决策能力的原型知识库系统。     

临近空间成像资源配置专家决策系统研究

针对临近空间成像资源配置的多目标组合优化特性,为了降低该问题的求解难度,迅速求解合理可行的临近空间成像资源配置方案,研究了融合决策支持模型的专家决策系统,建立了专家知识库、决策推理机以及规则管理模块,基于专家知识、决策支持模型,运用多级推理机制,其多级推理机制主要包括约束过滤、冲突过滤与综合评价决策,求解临近空间资源配置方案,实际运行结果表明,该系统能较好地解决临近空间资源配置问题.     

基于知识的线路巡检计划层次推理技术研究

提出了一种基于知识规则的巡检计划生成方法。利用知识系统原理，对巡检专家知识进行分层描述，建立巡检知识库；基f巡检知识的层次描述，提出巡检计划的层次推理疗法；在层次推理机制的控制下，使用巡检知识对巡检历史数据进行动态解释，形成巡检决策，并自动生成巡检计划。该方法在实际中得到了应用，并取得了较好的效果。     

物流配送问题的知识表示及其在GIS中的映射研究

针对电子商务物流配送实时监控与调度问题，以提高物流配送实时优化调度的智能性和科学性为突破口，引入人工智能和知识工程的知识表示理论．提出一种基于知识的物流配送问题的树状表示法，给出了基于GIS的物流配送问题知识表示的系统模型以及物流配送知识在GIS中的映射方案．该方案通过XML关系映射文档，保持了知识库和空间数据库的一致性．仿真研究表明．所进行的工作有利于深化基于GIS的物流配送实时决策和智能调度系统的研究．     

基于粗集的多知识库决策融合

粗糙集理论研究的重要内容是分类与约筒，其目的在于获取优良的规则知识，实现准确的决策．通过提出规则集合的决策度量思想，从整体上体现了对一个规则集合的衡量，为基于多知识库的决策奠定了基础．基于模型集成的基本思想，将规则知识库作为一个决策模型，根据规则集度量选择模型，通过模型集成实现决策融合．     

The Graphic-Linguistic Distinction Exploring Alternatives

What properties, if any, distinguish graphical representations from linguistic representations? This paper looks for answers in the literature of philosophy, logic, artificial intelligence, and cognitive psychology, and extracts seven alternative binary classifications of representations that may characterize the graphic-linguistic boundary. We assess each alternative by two standards: (a) whether it extensionally fits the graphic-linguistic distinction, and (b) how far it explains the properties commonly attributed to graphic representations but not to linguistic ones.     

知识的单形表示方法研究

本文基于形式逻辑的“三段论”以及代数拓扑学的三角剖分理论提出了一种新的知 识表示方法——单形表示法，并与其它一些知识表示方法进行了比较．它在表达能力、表达 方式及解释能力等方面都有明显的特点．     

Analog and Digital Representation

In this paper, I argue for three claims. The first is that the difference between analog and digital representation lies in the format and not the medium of representation. The second is that whether a given system is analog or digital will sometimes depend on facts about the user of that system. The third is that the first two claims are implicit in Haugeland's (1998) account of the distinction.

Genetic Algorithms for the Travelling Salesman Problem: A Review of Representations and Operators

This paper is the result of a literature study carried out by the authors. It is a review of the different attempts made to solve the Travelling Salesman Problem with Genetic Algorithms. We present crossover and mutation operators, developed to tackle the Travelling Salesman Problem with Genetic Algorithms with different representations such as: binary representation, path representation, adjacency representation, ordinal representation and matrix representation. Likewise, we show the experimental results obtained with different standard examples using combination of crossover and mutation operators in relation with path representation.     

深度学习在代码表征中的应用综述

代码表征是对代码数值化的一种技术,把代码映射为一组连续的实值向量,提取隐藏在代码内部的属性,辅助程序员生成或分析代码,是代码克隆、代码推荐、代码剽窃等软件工程任务的核心技术和研究热点。研究者们对代码表征方面进行了一系列研究,根据源代码抽取信息的方式,分为基于文本的表征、基于语法的表征、基于语义的表征和基于功能的表征;根据表征粒度的大小,分为基于词汇的表征、基于语句的表征、基于函数的表征等不同等级;根据表征方法的不同,分为基于统计的模型、基于自然语言的模型和基于深度学习的模型。对近几年基于深度学习的代码表征研究进展进行了综述,并从表征粒度、表征层次、表征模型、应用场景等方面对现有工作进行了概括、比较和分析。对基于深度学习的代码表征的未来发展趋势进行分析和展望。     

基于混合知识表示的专家系统设计

论述了混合知识表示的重要性,介绍了知识表示应具备的性质和基本原则,运用混合知识表示方法设计了切屑折断过程与槽型ＣＡＤ专家系统。     

基于RBR和CBR规划中的知识表示方法研究

"知识"是"规划"的前提和基础,通过归纳对已有"知识"的表示,就成为了"规划"的先行条件.基于"规则"和"案例"的规划是各种现代规划器常用的两种规划方式,通过对现有的"规则"和"案例"的各种知识表示方法的研究,描述了其各自的优缺点,并给出了如何选择合适的知识表示方法以处理特定规划问题的方法和思想,从而更快,更好的构建能够解决实际问题的规划系统.     

图表示学习方法研究综述

针对图表示方法的相关解析任务进行了研究,从形式化定义出发,首先以不同核心技术作为分类标准将图表示学习方法划分为五大类,其包括基于降维解析、矩阵分解、随机游走、深度学习和其他表示学习方法。其次通过归纳与对比分析梳理各类技术发展脉络,进而深层次展现各类图表示方法的优劣。随后结合图表示学习的常用数据集、评估方法和应用领域的归纳分析,展开动态性、可扩展性、可解释性和可解析性的四维剖析。最后总结并展望了图表示学习的未来研究趋势与发展方向。     

基于低秩约束的稀疏主题模型

传统潜在语义分析模型所得到的主题空间映射矩阵往往比较稠密,不仅存储代价比较高,而且各个主题含义不明确。针对该问题,提出一种新的稀疏主题模型,该模型通过对映射矩阵施加稀疏性约束,使得每个主题只与少数词项关联,来增加主题的可解释性;同时,通过对编码系数矩阵施加低秩约束,使得数据在主题空间中呈现出更好的聚类特性。实验结果表明,基于该模型得到的主题空间更有利于分类,映射矩阵的存储代价更低。