基于免疫进化规划的一种柔性神经模糊推理系统

该文基于泛逻辑学提出一种新颖的柔性神经模糊推理系统,用命题间的广义相关性和广义自相关性去解释系统推理模式的连续可变,以及命题真值的测量误差,以期实现真正的智能控制系统,并采用了将进化规划同生物免疫思想中的浓度机制及多样性保持策略相结合的免疫进化规划学习算法,自适应地学习系统参数。最后通过倒立摆的仿真实验体现了该推理系统的可用性和有效性。     

人工智能中泛逻辑学的研究

逻辑学的理论为人工智能的发展提供了有力的工具。标准逻辑促进了人工智能早期的发展,随着处理知识的随机性、模糊性和未知性等特点的出现,模糊逻辑等在人工智能中得到发展;各种形式的非标准逻辑的出现,促使建立尽可能包容一切逻辑形态和推理模式的泛逻辑学。在分析模糊逻辑规律的基础上,把三角范数理论和逻辑学紧密结合起来,利用三角范数理论提出命题泛逻辑学。目前,泛逻辑学在人工智能中已经取得了一定的研究成果。     

基于泛逻辑学的概率命题逻辑的研究与分析

概率逻辑是不确定推理的一个重要逻辑基础,但其目前还不太完善．泛逻辑学是何华灿教授在探索各种不确定性问题求解中建立起来的一种新的柔性逻辑体系．理论上,概率逻辑仅是泛逻辑学的一个特例．在对目前比较典型的几种概率逻辑模型进行分析的基础上,基于命题泛逻辑学的思想和方法,指出了概率命题逻辑中存在的一些主要问题,探讨了解决这些问题的思路与方法。     

基于零级N/T泛数完整簇的概率逻辑算子的研究

在人工智能中不确定性理论、主观Bayes方法、证据理论等都是基于概率论的.但是,这些不确定性推理方法仅仅是基于概率,而不能真正实现逻辑框架内的概率逻辑不确定推理,产生这种现象的主要原因是概率逻辑自身存在着缺陷.按照泛逻辑学的生成规则,基于零级N/T/S范数完整簇从泛逻辑学的角度来构造概率逻辑算子.结果表明概率逻辑是能够在泛逻辑学的框架内进行柔性化的,是命题泛逻辑在h=0.75时的一种特例.     

人工智能中概率逻辑的研究

概率论是在不完备的、不确定的数据中进行推理的,它是度量不确定性的重要手段。在人工智能中,研究者结合概率和逻辑各自的优点,进行概率逻辑的研究。本文介绍了传统概率逻辑的三大派别,阐述了二值逻辑概率和三值逻辑概率的发展;最后介绍了泛逻辑,通过对概率逻辑和泛逻辑学的研究,将概率逻辑纳入泛逻辑学的框架内。     

人工智能中概率逻辑的研究

概率论是在不完备的、不确定的数据中进行推理的,它是度量不确定性的重要手段。在人工智能中,研究者结合概率和逻辑各自的优点,进行概率逻辑的研究。本文介绍了传统概率逻辑的三大派别,阐述了二值逻辑概率和三值逻辑概率的发展;最后介绍了泛逻辑,通过对概率逻辑和泛逻辑学的研究,将概率逻辑纳入泛逻辑学的框架内。     

泛逻辑的柔性化研究

随着智能化问题研究的不断深入,不确定性问题是否能够得到更合理的描述和更合理的推理成为了关键问题。目前逻辑研究也在这方面进行了探索,本文综述了何华灿教授提出的一个包容刚性逻辑和柔性逻辑的命题泛逻辑学体系,并从逻辑四要素角度分析了泛逻辑柔性化的对不确定问题描述可行性。     

基于泛逻辑学的逻辑关系柔性化研究

建立柔性逻辑体系,既是现实世界复杂问题求解的需要,也是逻辑学发展的一种必然趋势.泛逻辑学是何华灿在探索复杂世界逻辑规律中建立起来的一个柔性逻辑体系.在分析其实现逻辑关系柔性化的思想和方法的基础上,探讨了概率逻辑关系柔性化的问题.理论上,概率逻辑是泛逻辑学的一个特例,因此应该能够在泛逻辑学框架内建立起柔性的概率逻辑体系.     

基于泛逻辑学的柔性命题逻辑研究

现有的数理逻辑是刚性逻辑，不能满足研究不确定性问题的需要．概率测度是研究不确定性问题的重要数学工具．但作为概率推理理论基础的概率逻辑发展不够成熟，影响了它在不确定性推理中的广泛应用．本文第二作者在探索包含确定性和各种不确定性的现实世界逻辑规律的基础上．建立一个包容刚性逻辑和柔性逻辑的命题泛逻辑学体系．本文利用这一研究成果，对命题概率逻辑进行了探讨．     

应用带标识的模糊Petri网的模糊推理

本文针对模糊推理中常存在推理结果意义不明确的问题,提出应用带标识的模糊Petri网(MFPNs)进行模糊推理。推理的过程中考虑模糊产生式规则的权值、阈值、确定性因子等几种知识表示参数以获得更多信息。给出基于相似性测度的模糊推理算法,通过计算带标识的模糊Petri网的最终输出库所中的托肯值可以得到最终的模糊推理结果。通过实例可以验证这样得到的推理结果意义更明确,计算过程更加高效。