机械产品概念设计中的知识表示

研究了计算机辅助概念设计中的关键技术——知识表示．将行为域引入公理化设计作为功能域和载体域之间的转换桥梁，针对该域结构定义扩展“之”字映射，建立了不同层次功能、行为和载体之间的映射关系；构造了概念设计方案的知识表示模型——域结构模板；针对一类产品的知识表示模型——概念空间，给出了基于概念空间的概念设计方案生成过程．最后以工业平缝机为例对所述模型和方法加以说明。     

军事领域本体构建研究

在仿真系统的研究过程中,面临军事领域知识获取及不同应用之间的互操作等问题.这些难题的背后实际是技术人员和军事人员之间理解一致性和机器之间理解一致性的问题.本体是关于事物本质的模型,已被广泛应用于知识分类、表达、共享及重用等方面.首先,讨论了本体的概念并给出了领域本体构建的一套通用原则和方法.然后详细分析了军事领域本体所包含的各方面知识元素,包括作战单元类、单元之间的关系、交战行为、交战规则、武器装备、作战计划等,并分别给出了它们的简单表示结构.最后概要讨论了多个本体合并时的本体检验问题.标准化的军事知识表示结构可以为技术人员和军事人员之间的交流提供统一的认识和参照,为机器之间的互操作提供一种"语言",从而消除理解上的冲突和混乱,为作战仿真系统的开发扫清了道路.     

概念结构研究综述

概念结构由概念之间的依赖关系构成,它是知识的核心,并且一直潜伏在后台发挥作用,人的认知能力皆来源于此。因此对概念结构的研究有助于提高知识系统的问题求解能力,尤其是领域开放的问题求解。对概念结构的研究要求解决三个问题,即概念结构如何表征与存储、概念结构如何逐步构建、概念结构如何运用于各种智能任务。主要讨论概念结构的表示和构建问题,并对概念结构相关的知识表示方法及其应用作了比较系统的阐述。     

新的面向对象知识表示方法

针对传统知识表示方法缺乏过程性知识表示能力、不具备动态特征、难以表示装备保障领域知识的问题,在借鉴框架表示法、语义网络表示法的基础上,结合面向对象思想,提出了一种新的知识表示方法——动态对象网络(DON)。DON表示法以类来表示概念,将知识表示为概念以及概念间的关系。给出了概念的详细结构及其演化机制,关系的描述方式,并将守护方法思想引入概念中,在此基础上探讨了DON中的推理机制,为灵活、动态表示装备保障领域知识,实现装备保障信息的共享和融合提供了基础。     

面向对象的概念建模

概念建模的目的是建立开发者与用户之间通信所需的概念知识。概念模型的图形表示往往是对现实世界的最高层抽象，它使开发者与用户通信更方便，使模型更容易理解。本文给出一种面向对象概念建模方法，它将图形表示、Ｅ－Ｒ方法、关系演算、时态逻辑溶为一体，支持对象结构、行为和对象演变建模的一体化和封装。     

序粒度标记结构及其粗糙近似

粒计算是知识表示和数据挖掘的一个重要方法.它模拟人类思考模式,以粒为基本计算单位,以处理大规模复杂数据和信息等建立有效的计算模型为目标.针对具有多粒度标记的序信息系统的知识获取问题,提出了基于序粒度标记结构的粗糙近似.首先,介绍了序标记结构的概念,并在序标记结构的对象集中定义了一个优势关系,同时给出了由优势关系导出的优势标记块,并进一步定义了基于优势关系的集合的序下近似与序上近似和序标记下近似与序标记上近似的概念,给出了近似算子的一些性质.证明了由序标记结构导出的集合的下近似质量与上近似质量是一对对偶的必然性测度与可能性测度.最后,定义了多粒度序标记结构的概念,并讨论了多粒度序标记结构中不同粒度下近似集之间的关系.     

基于OWL的制药企业本体的构建及应用

本体是共享概念模型的明确的形式化规范说明,通过概念之间的关系来描述概念的语义。药业本体是制药企业中或企业间公共的知识化的描述,不仅可以促进制药企业知识的重用和共享,还大大方便了制药企业内部以及企业间知识管理和信息交换。本文讨论了本体的概念,介绍了本体的构建原则和方法,以及各种本体表示语言,着重介绍了OWL本体语言,分析了药业本体应用领域,给出了一个简单的基于OWL的本体示例片段,最后简单介绍了本体编辑工具protege2000及其使用方法。     

模糊Petri网在FMS故障诊断中的应用研究

针对柔性制造系统（ＦＭＳ）故障诊断的特点，将模糊Ｐｅｔｒｉ网扩展为模糊行为Ｐｅｔｒｉ网（ＦＢＰＮ）．并应用于知识的表示中，讨论了ＦＭＳ系统、ＦＢＰＮ及产生式规则之间的对应关系，提出一种模糊反向推理机制，给出了利用ＦＢＰＮ进行知识表示和推理的实例．     

构建知网关系的网状表示

本文介绍了一个针对知网关系的网状表示结构及其实现方法。通过构建三张数据表:概念表、特征表和关系表,以及建立它们的记录项之间的双向多元联系,可以方便地把知网的所有知识(概念、特征以及它们之间的各种关系) 集成在一起,从而为进一步进行基于知网的信息检索和知识推理打下很好的基础。     

神经网络问题求解机制

本文提出了神经网络知识表示的形式化描述语言和知识单元的概念，用于给出传统符号逻辑中的概念，用于给出传统符号逻辑中的概念，属性及它们之间的层次关系如何在神经网络中进行表示，提出了激活强度的度量标准，从而在理论上给出了ＮＮ中继承和识别问题的形式化处理方法。在此基础上，提出了ＮＮ正向和反向问题求解机制。这里，值得一提的是，本文通过在某一特定领域中对ＮＮ推理机制的成功探讨，有力地反驳了人们对于ＮＮ模型的一     

表象式直接知识表示

通过对人的相对低层次认知行为的模仿可以改善计算机感知外部世界的能力。知觉作为首要的认知行为,它所需要的知识不便于采用传统的符号化知识表示方法来表示。该文以视知觉研究为基础,通过模拟分布于视皮层中的特异性功能柱型结构,将图形模式分解为简单特征的组合,直接表示在神经网络上,众多功能单元的同时响应就构成某一实体的视觉表象。最后还讨论了这种直接知识表示方法在知识与概念化问题、知识的来源问题、学习问题等几个最核心的人工智能问题下的意义。     

元规则指导的知识发现方法研究

传统的知识发现方法缺乏挖掘的针对性,效率较低,挖掘出的规则数量巨大,需要进行复杂的知识筛选工作;挖掘出的规则用低层次的原始数据表示,难以理解。无规则是对挖掘结果模式的一种表示方法,是将背景知识融入知识发现过程、提高挖掘结果的有趣性和挖掘速度的重要方法。该文研究利用概念表示数据之间的关系,提高规则的可理解性;将概念和无规则相集合,提出了基于概念的无规则指导的知识发现方法,并给出了概念的生成方法和无规则的构造方法。     

数据信息知识策略的演化及其表示的研究

该文结合人类自身认识世界和优化世界的决策过程,分别研究了数据与信息,信息、知识与策略的内涵和他们之间的关系,讨论了知识的各种表示方式,重点分析了面向对象的知识表示方法并提出了基本描述框架,总结了由数据生成信息、信息抽象成知识、知识激活智能的过程,为探索智能的生成机制提供一条重要思路。     

计算机生成兵力中的人工智能技术

开发CGF的难点和重点在于CGF实体行为的生成,尤其是人类智能行为的实现。人类行为建模最重要的三个方面是知识获取、知识表示和决策机制,都与人工智能技术相关。该文主要介绍人类行为描述的知识表示和知识获取问题,讨论了人工智能技术在这两个方面的应用,并对将来的研究工作做了一个简单的展望。     

对象模型及其模型化方法——一种深知识的表示模型

本文介绍了对象模型和深知识等概念,在这些概念的基础上还讨论了基于框架知识表示形式的复杂系统的模型化方法.文中给出的模型化方法是通过 ISA 关系和 PART-OF 关系的相结合而形成的.这种模型化方法可用于基于深知识的设计型、分析型以及控制型等类型的专家系统.     

融合异构图注意力网络的知识推荐

为解决在线课程平台直接推荐服务忽视用户知识水平差异的问题,本文提出一种知识推荐方法。通过应用异构信息网络和注意力机制,将知识推荐问题视为强化学习任务,模拟用户与知识概念之间的互动,并利用异构信息网络学习用户的语义表示,通过元路径引导用户偏好的传播。实验结果表明,相较于其他方法,该方法在性能上表现得更为优越。     

利用面向对象技术表示知识

在本文中，我们提出了利用面向对象的技术表示语义和常识的方法。将知网中的义原(即最小的语义单位)表示为类，同时将概念之间、属性之间的语义关系转换为类之间关系以及类的属性之间的关系；将知网概念词典中的概念表示为所在范畴属性类的予类，并将DEF项中其它义原设置为该类中的变量。通过这种转换．知网中的语义和常识就被表示为类和对象。在实践中表明该方法是实际可行的，更重要的是为我们今后进行从文本中提取知识的研究打下基础。     

概念格与粗糙集的关系研究

概念格理论和粗糙集理论是两种不同的知识表示与知识发现的工具，都已被成功应用于许多领域.粗糙集理论的数据表现方式是信息系统，其研究基础是对象之间的等价关系;概念格理论的数据表现方式是形式背景，其研究基础是一种有序的层次结构--概念格.本文讨论了概念格理论与粗糙集理论之间的基本联系;重点分析了形式概念与等价类之间、概念格与分划之间的关系;证明了概念格与分划之间可以相互转换，给出了转换算法，并用例子加以说明.     

人工智能的突破与科学方法的创新

最近十年,人工智能理论的研究取得了重要突破:1)发现了智能生成的共性核心机制是在给定条件下的“信息-知识-智能转换”,由此建立了人工智能的机制模拟方法;2)发现了知识的生态学结构是在本能知识支持下的“经验知识-规范知识-常识知识转换”,因而开拓了人工智能研究的视野;3)把智能生成的共性核心机制与知识的生态学结构结合起来,发现原先各自独立发展的人工智能“结构模拟、功能模拟、行为模拟方法分别是机制模拟方法在不同知识条件下的和谐特例”,从而形成了人工智能研究的统一方法和理论,为人工智能的发展开辟了新的前景。文中认为,人工智能研究的上述突破在很大程度上得益于科学研究方法论的创新。     

概念代数在本体合并中的应用

本体合并是本体集成的一种较为有效的方式,是用于解决本体异构以实现本体资源重用和共享的一种方法。引入概念代数以弥补本体的概念深度表达不够、形式化程度低等缺陷。将本体与概念代数结合,提出一种基于概念代数的本体表示方法,其恰好符合领域专家构建本体的意识活动,可以更好地表达和处理知识。概念代数是一种抽象的数学结构,形式化程度较高,并且其概念之间的认知关系更便于进行知识推理。利用概念代数将本体表示为可视化的概念网形式,进而利用概念代数的运算实现概念之间的合并及关联,提出一种基于概念代数的本体合并方法,是对概念代数应用到本体的一种尝试,为本体的处理提供了一个新的视角。