一种基于PROLOG的ES建造工具库的研究与实现

本文描述了一基于ＰＲＯＬＯＧ的专家系统建造工具库ＰＴＥＳ的实验系统。ＰＴＥＳ是用ＰＲＯＬＯＧ编写的，该系统根据支持基于规则的知识表示及近似推理对ＰＲＯＬＯＧ的知识处理能力进行了扩充。ＰＴＥＳ的推理机制使用了可能性逻辑及模糊集合理论作为其逻辑基础并以一种形式化的方法提供了处理非确定事实及非确定规则的能力。     

逻辑程序并行推理机EC—PIM的系统设计与实现

本文介绍面向逻辑程序的并行推理机系统ＥＣ－ＰＩＭ。它以逻辑程序设计语言ＰＲＯＬＯＧ为核心，以硬件、软件两方面结合的方式直接实现以ＰＲＯＬＯＧ所描述的推理任务，系统设计基于Ｅａｒｌｅｙ算法，ＶＬＳＩ技术以及适当的系统结构及部件的设计方案，在提出并行推理机及其概念模型的前提下，作出ＥＣ－ＰＩＭ体系结构的设计包括互连结构，公共存储器系统的设计方案，并成功地实现了双八路二级并行逻辑推理模拟机的研制。     

逻辑程序并行推理机EC─PIM的系统设计与实现

本文介绍面向逻辑程序的并行推理机系统ＥＣ－ＰＩＭ。它以逻辑程序设计语言ＰＲＯＬＯＧ为核心，以硬件、软件两方面结合的方式直接实现以ＰＲＯＬＯＧ所描述的推理任务。系统设计基于Ｅａｒｌｅｙ算法、ＶＬＳＩ技术以及适当的系统结构及部件的设计方案。在提出并行推理机及其概念模型的前提下，作出ＥＣ－ＰＩＭ体系结构的设计，包括互连结构。公共存储器系统的设计方案。并成功地实现了双八路二级并行逻辑推理模拟机的研制。     

PROTEL电子CAD软件包汉字输入的实现及其绘图功能的开发应用

ＰＲＯＴＥＬ电子ＣＡＤ软件包汉字输入的实现及其绘图功能的开发应用邢观峰福州大学１２９０１信箱（３５０００２）１引言ＰＲＯＴＥＬ（简称ＰＴ）电子ＣＡＤ软件包是澳大利亚ＰＲＯＴＥＬＴＥＣＨＮＯＬＯＧＹ公司推出的多层印制板辅助设计软件，它保持了对ＴＡＮＧＯ...     

用可编程控制器实现BEPC安全联锁系统——PLC在测控系统中…

本文介绍一种设计安全联锁系统的新方法，它的基本思想是采用可编程控制器（ＰＲＯＧＲＡＭＭＡＢＬＥ ＣＯＮＴＲＯＬＥＲ或ＰＲＯＧＲＡＭＭＡＢＬＥＬＯＧＩＣＣＯＮＴＲＯＬＬＥＲ－ＰＬＣ）替代过去的继电器和逻辑的控制，组成分布系统，以提高要靠性和可维护性，增加灵活性，缩短工期，节省人力和资金，一台多媒体ＩＢＭ－ＰＣ兼容机有作业上位机，监控整个系统。     

用可编程控制器实现BEPC安全联锁系统——PLC在测控系统中的应用

本文介绍一种设计安全联锁系统的新方法，它的基本思想是采用可编程控制器（ＰＲＯＧＲＡＭＭＡＢＬＥＣＯＮ－ＴＲＯＬＬＥＲ或ＰＲＯＧＲＡＭＭＡＢＬＥＬＯＧＩＣＣＯＮＴＲＯＬＬＥＲ—ＰＬＣ）替代过去的继电器和专用逻辑的控制，组成分布式系统，以提高可靠性和可维护性，增加灵活性，缩短工期，节省人力和资金。一台多媒体ＩＢＭ－ＰＣ兼容机用作上位机，监控整个系统。     

用GAL器件对EPROM软件加密的方法

通用阵列逻辑ＧＡＬ器件的功能特点，ＥＰＲＯＭ程序的加密原理，以及利用ＧＡＬ器件对ＥＰＲＯＭ软件进行加密的方法。     

混合型符号几何规划的递归二次规划算法

混合型符号几何规划的递归二次规划算法张希，张可村（西安交通大学科学计算与应用软件系）ＡＳＵＣＣＥＳＳＩＶＥＱＵＡＤＲＡＴＩＣＰＲＯＧＲＡＭＭＩＮＧＡＬＧＯＲＩＴＨＭＦＯＲＭＩＸＥＤＳＩＧＮＯＭＩＡＬＧＥＯＭＥＴＲＩＣＰＲＯＧＲＡＭＭＩＮＧ￥Ｚｈａｎｇ...     

一类并行多步Runge－Kutta预校算法

一类并行多步Ｒｕｎｇｅ－Ｋｕｔｔａ预校算法李寿佛，甘四清（湘潭大学数学系）ＡＣＬＡＳＳＯＦＰＡＲＡＬＬＥＬＭＵＬＴＩＳＴＥＰＲＵＮＧＥ－ＫＵＴＴＡＰＲＥＤＩＣＴＯＲ－ＣＯＲＲＥＣＴＯＲＡＬＧＯＲＩＴＨＭＳ￥ＬｉＳｈｏｕ－ｆｏ；ＧａｎＳｉ－ｑｉｎｇ（Ｄ...     

不连续生产系统的最大加工能力与最优生产安排的强多项式算法

不连续生产系统的最大加工能力与最优生产安排的强多项式算法杨承恩，梁枢里（长沙铁道学院）ＴＨＥＭＡＸＩＭＵＭＰＲＯＣＥＳＳＩＮＧＣＡＰＡＣＩＴＹＡＮＤＯＰＴＩＭＡＬＳＣＨＥＤＵＬＥＯＦＡＤＩＳＣＯＮＴＩＮＵＯＵＳＰＲＯＤＵＣＴＩＯＮＳＹＳＴＥＭ￥Ｙａｎ...     

Categorial expert systems

Abstract: Expert systems can be used to determine some objects or consequences from uncertain knowledge by hierarchical categorization. Categorical representation is psychologically motivated and also offers an explanation of how to deal with uncertain knowledge based on counting during approximate reasoning. It is an alternative to other well‐known uncertainty calculi. A knowledge base which is used during approximate reasoning is represented by a taxonomical arrangement of verbal categories. Priming eases the formation of the final hypothesis, as more exact possible hypotheses are formed. The approximate reasoning is demonstrated on an expert system ‘Jurassic’ from the field of paleontology for the determination of a dinosaur species. It helps the paleontologist to determine creatures from uncertain knowledge. The system is composed of 423 rules arranged in a directed acyclic graph with a depth of 5. This knowledge is represented by a taxonomical arrangement of verbal categories represented by associative memories.     

Generalized Jeffrey’s rule of conditioning and evidence combining rule for a priori probabilistic knowledge in conditional evidence theory

In Bayesian probabilistic approach for uncertain reasoning, one basic assumption is that a priori knowledge about the uncertain variable is modeled by a probability distribution. When new evidence representable by a constant set is available, the Bayesian conditioning is used to update a priori knowledge. In the conventional D-S evidence theory, all bodies of evidence about the uncertain variable are imprecise and uncertain. All bodies of evidence are combined by so-called Dempster’s rule of combination to achieve a combined body of evidence without considering a priori knowledge. From our point of view, when identifying the true value of an uncertain variable, Bayesian approach and evidence theory can cooperate to deal with uncertain reasoning. Firstly all imprecise and uncertain bodies of evidence about the uncertain variable are fused to achieve a combined evidence based on a priori knowledge, then the a posteriori probability distribution is achieved from a priori probability distribution by conditioning on the combined evidence. In this paper we firstly deal with the knowledge updating problem where a priori knowledge is represented by a probability distribution and new evidence is represented by a random set. Then we review the conditional evidence theory which resolves the knowledge combining problem based on a priori probabilistic knowledge. Finally we discuss the close relationship between knowledge updating procedure and knowledge combining procedure presented in this paper. We show that a posteriori probability conditioned on fused body of evidence satisfies the Bayesian parallel combination rule.     

基于知识Petri网的确定性和不确定性联合推理

知识推理是人工智能的核心领域,旨在研究如何从已知(知识库和推理规则)推理出未知,以帮助智能体做出科学决策.而智能体所处的环境存在不可观性和不确定性,因此知识库通常不仅包含确定性知识,还包含不确定性知识,而且推理过程需要两类知识紧密协作.然而,目前的推理方法无法将两类知识统一表示,常常将两者对应的推理过程割裂进行.基于此,为了实现在统一的模型架构下完成确定性和不确定性联合推理,给出了一种知识Petri网推理方法.首先,定义了一种新的知识Petri网,使其不仅能够描述确定性的知识规范,也可以描述先验概率知识;其次,根据知识Petri网的网结构,给出了一种知识Petri网概率独立剪枝算法,能够指数级地降低不确定性推理的计算复杂性;最后,利用知识Petri网及其概率独立剪枝算法,给出了一种新型推理算法,实现了确定性和不确定性的联合推理,并利用Wumpus世界进行了演示和验证.     

粗糙本体支持的知识推理框架

基于精确本体的推理机不能够直接应用到粗糙本体的知识推理中,因此目前还没有适合粗糙本体的推理机。根据粗糙本体的特点,将其中的粗糙集、粗糙描述逻辑、粗糙包含和知识推理作为研究对象,在此基础上将基于描述逻辑的推理方法与基于规则的推理方法相结合,提出一种粗糙本体支持的知识推理框架,实现了粗糙本体的推理功能,解决了针对不确定信息的知识推理问题。     

基于直觉模糊Petri网的故障诊断

故障诊断经常受到多种不确定性和模糊性因素的影响,针对不确定性的故障诊断问题,利用直觉模糊集较好的表达不确定性信息的优势和Petri网较好的并行处理以及图形处理问题的能力,构建了直觉模糊Petri网模型。由于将直觉模糊推理转化为矩阵运算的过程中有非隶属度参数的参与,因此推理结果可提供更多的信息。根据实际故障诊断中的模糊推理问题,给出了带有权值、阈值等参数条件下新的直觉模糊推理算法。通过获取和处理故障诊断中的不确定性和模糊性的知识,该算法将故障诊断过程转化为利用直觉模糊Petri网的直觉模糊推理过程。实际燃气轮机故障诊断模型案例表明了所给直觉模糊推理算法的有效性。     

Preorder-based triangle: a modified version of bilattice-based triangle for belief revision in nonmonotonic reasoning

Bilattice-based triangle provides an elegant algebraic structure for reasoning with vague and uncertain information. But the truth and knowledge ordering of intervals in bilattice-based triangle cannot handle repetitive belief revisions which is an essential characteristic of nonmonotonic reasoning. Moreover, the ordering induced over the intervals by the bilattice-based triangle is not sometimes intuitive. In this work, we construct an alternative algebraic structure, namely preorder-based triangle and we formulate proper logical connectives for this. It is also demonstrated that Preorder-based triangle serves to be a better alternative to the bilattice-based triangle for reasoning in application areas, that involve nonmonotonic fuzzy reasoning with uncertain information.     

变电站智能告警专家系统的不确定性知识表示

在变电站智能告警专家系统中,针对业务知识的不确定性和复杂性,文中设计了一种不确定性知识的表示方法,可以使采用该方法构建的知识库更有利于推理机的推理和知识库的自学习。该方法根据领域知识将变电站信号进行分层分类,以子知识库的形式进行知识的组织,克服了知识的复杂性。而且它采用一种模糊产生式表示业务知识,将模糊推理规则映射为模糊产生式,解决了知识的不确定性问题。实验分析表明,该方法适合进行变电站关联信号的告警推理,结合系统对知识的自学习机制,可以有效降低告警的差错率和虚警率。     

基于模糊框架-产生式知识表示及推理研究

知识表示是专家系统求解能力及正确性的基础。针对不同知识表示方法的局限性,采用框架与产生式知识表示法结合表示专家知识。同时鉴于传统知识表示及推理方法在描述事实生产中不确定知识及经验中的缺陷问题,将模糊推理与知识表示相结合,应用模糊因子,定量细化描述模糊知识;并结合知识表示特点应用动态加权平均匹配函数及模糊推理方法,提出基于模糊框架-产生式知识表示方法及推理的研究,量化地表示知识及推理过程,为决策人员提供更加直观、准确的推理依据。     

基于强相关逻辑的不精确应急时态知识表示

在强相关逻辑基础上扩展不精确时态关系,以满足不精确应急时态知识表示与推理的需要。给出了粗糙集及强相关逻辑的相关概念;通过定义不精确时态关系扩展了强相关逻辑,形成了粗糙时态强相关逻辑,给出了可靠性和完备性证明;通过实际例子说明粗糙时态强相关逻辑的知识表示和应用。结果表明扩展后的粗糙时态强相关逻辑可以实现不精确时态知识的表示与推理。