“A+一+X,B+一+Y”构式的分类及释义模板

该文以现代汉语中的“A+一+X,B+一+Y”格式为例,介绍了构建《现代汉语构式知识库》的初步工作。“A+一+X,B+一+Y”格式可根据其表义功能不同分为三个大类,十个小类。该文重点阐释了该构式表达“因果倚变义、事物交错义、状态交替义、动作行为交替义、周遍大量义、让步小量义”等6种意义的判定条件及相应的释义模板。     

区分3种否定的模糊命题逻辑系统及其应用

在模糊知识表示与推理中,否定信息扮演了一个重要角色.从概念层面上区分了模糊知识中存在的3 种否定关系,即矛盾否定关系、对立否定关系和中介否定关系.为了建立能够完全描述这些不同否定关系的逻辑基础,提出一种区分矛盾否定、对立否定和中介否定的模糊命题逻辑形式系统FLCOM.讨论了FLCOM 特有的性质与意义,给出了FLCOM 的一种语义解释,并证明了可靠性定理.为了表明FLCOM 处理实际问题的适用性,进一步研究了FLCOM在一个模糊决策实例中的应用.具体地,基于FLCOM讨论了决策规则中的模糊命题及其不同否定的区分与形式表示,给出一种确定模糊命题及其不同否定的真值及其真值范围阈值的方法,并采用模糊产生式规则讨论了实例中的模糊推理与决策.从而表明,运用FLCOM 处理具有模糊性并且存在不同否定的实际问题是有效的.     

两类特殊命题准确形式化的语义分析法

本文采用特有的语义分析方法对两类自然语言所表示的特殊命题进行准确形式化的讨论与研究。否定了一些错误形式,得到了这两类特殊命题正确形式化的公式和方法。     

基于蕴涵度和蕴涵率的蕴涵型命题真值求法

文章通过分析蕴涵型复合命题的真假涵义,并引入蕴涵度和蕴涵率两种度量,而得到了一种关于蕴涵型复合命题的真值计算新方法,即支命题之间的实际蕴涵度或蕴涵率对复合命题中描述蕴涵关系特征的语言值的符合度就是该复合命题的真值。该方法统一了确定性和不确定性蕴涵型复合命题的真值求法,填补了不确定性蕴涵型复合命题真值计算的空白,因而将在机器推理特别是不确定性推理中发挥重要作用。     

模糊推理中一级泛蕴涵的信息约束研究

基于线性特征测度的定义,本文详细讨论了在模糊推理中一级泛蕴涵满足信息有界性原则的条件,并得出结论:如果命题真值具有正的测量误差,则当命题间是相斥相关,且其广义相关系数h∈[0.5,((n+1)-(n2-n+1)1/2)/2]以及命题间是相克相关(h∈[0,0.5])时,一级泛蕴涵算子满足信息有界性原则;如果命题真值具有负的测量误差,则当命题间是相克相关,且其广义相关系数h∈[0,((n+1)-(n2-n+1)1/2)/2]时,一级泛蕴涵算子满足信息有界性原则.这一结论对于在实际控制应用中,如何给定命题间的广义相关系数h值具有重要的指导意义.     

一种基于非单调逻辑的模型管理方法

本文讨论了模型管理中不确定性的表达、传递、证据合成以及问题求解过程,提出了一种 基于非单调逻辑的模型管理方法:将模型结构形式的不确定性表示为由建模者或领域专家对 问题结构中未知或随机情形所作假设集支持的可能性命题;模型之间不确定性关系的管理通 过对假设环境的真值(一致性)保持和信度调整过程来实现,其依据是在问题求解过程中出现 的冲突情形或者是由决策人提供的有关命题或次判断.     

否定信息识别研究综述

自然语言中否定是一个普遍且复杂的现象,其能反转命题的真值、情感及态度的极性、观点的立场等。否定信息识别不仅在信息检索、情感分析、文本挖掘、信息抽取等领域中具有重要意义,也对文本的深层语义理解具有促进作用。对否定信息识别研究进行了深入分析,介绍了否定信息识别的任务框架,并对否定触发词检测、否定覆盖域界定、否定焦点识别三个子任务的解决思路及方法进行了详细阐述,最后总结并指出了否定信息识别研究中存在的问题及新方向。     

从物性结构看“处所+N”复合词的词义与释义

该文从物性结构角度分析了“处所+N”复合词中处所成分与中心成分之间的语义关系,发现单纯表事物存在之处的很少,多表示事物使用或者产生的地方,或兼而有之。隐含的谓词是名词的功用角色或施成角色,这些谓词应该出现在释义中,以揭示构词成分间的具体语义关系,阐明事物的命名理据。目前有些词的释义尚不完备,缺乏相应的谓词。研究还发现,在事物命名中功用、施成特征比处所更重要,功用构式、施成构式在定中词汇构式中层级更高。     

Prolog中否定知识的显式表达及处理

本文论述了PROLOG显式表达否定知识的意义,提出了两种显式表达否定知识的方法,并例举了这类方法在非单调推理中的重要应用。     

转移逻辑(I)

在古典的二值逻辑CL(Classical Logic)中,每一命题X的真值取自二元集合{0,1},即T(X)=0与T(X)=1为两种极端的稳定状态;因此CL只能作为客观事物静止状态的粗略反映,以后发展了模糊逻辑FL(Fuzzy Logic),每一命题变量可在闭区间[0,1]上取值,T(X)=a(0≤a≤1),表明X属于某一状态的程度为a,不属于此状态的程度为     

激发员工24策略

当你信任某人时,你实际上传达出这样一个强烈的信息:“我认为你值得信任。”这表明你相信他们的能力和竞争力,而且你相信他们已经具备从事这项工作所需的条件。信任是促使人们树立信心的先决条件。有些经理人很少讨论信任这个话题,有的则是在非常狭隘的,甚至时常在含有否定的意义上使用信任这个词汇。比如,他们说,“哦,小马,我相信你能把这事干好”,实际意思却是“可别把事情搞糟了,小马。”或者他们说,“我们相信你能尽最大努力,珍妮,”可实际表达的意思是,“我们不能肯定现在这儿发生了什么事情,所以我们只是希望你能以某种方法避开这样的…     

基于Inception V3的高校学生课堂行为识别研究

随着人工智能和深度学习在教育领域的交叉融合,行为识别技术为学生课堂行为观察提供了一种有别于传统的新方法。以云南省X高校课堂视频为基础,经过预处理,获得六大类行为(听课、看书、书写、拍照、低头玩手机、桌面玩手机)30000张图像样本,运用Inception V3算法模型进行了研究,实验结果:六大类行为总识别率达到88.10%,但各个行为识别率有所不同,其中“拍照”和“听课”识别率较高。通过进一步的混淆矩阵分析,得到结论:模型对动作姿态单一的行为特征提取效果较好,但模型对手机、笔、课本等重要用具不够重视,不能识别书写动作和眼神角度,导致“看书”“书写”“低头玩手机”和“桌面玩手机”行为因人体动作姿态相似容易混淆。     

基于双枝模糊集的一致性模糊变权Petri网攻击模型

以Petri网为基础,结合双枝模糊集理论,定义了一种新型的一致性网络攻击模型CBBVFPN,并根据CBBVFPN模型的特点构造出了相应的形式化推理算法。该模型弥补了以往基于Petri网的攻击模型共同具有的一些缺陷,同时对“AND”和“OR”两种基本Petri结构进行了扩展。在推理过程中,为了防止以一个真实度很低的命题为前提继续推理,得出真实度更低的命题而背离事实,提出规则演化和变权的方法来处理真实度低的命题。推理算法使用统一的方式表示肯定命题和否定命题,并且在算法中加入控制条件,以保证推理过程和推理结果的一致性。最后以Botnet攻击为实例验证了本算法。     

“流量测量及仪表国内外情况综述”讲座——第九讲 流量测量中不确定度的估计

一、测量误差和两类不确定度1.误差和不确定度由于物理量测量的性质,测量结果必然存在误差δ,其定义:δ=测值-真值 (1)真值就是在某一时刻和某一规定条件下的该物理量客观存在的实际值。它在某些情况下是知道的,例如三角形三角之和是180°。但在一般情况下(包括流量测量在内)是不知道的。由于真值未知,所以,在只有测值时,δ也是未知的。但是,如对某量在同一条件     

复合模糊命题运算中的弱范数研究

在模糊诊断和分析问题中,一个复合命题往往由多个子命题组成,子命题之间除有合取、析取及加权平均运算关系外,还存在一种非常重要的弱逻辑关系。对基于单一数值表达的模糊命题间的合取、析取关系的最一般运算形式是三角范数和三角余范数。该文给出基于单一数值表示模糊命题的弱逻辑关系的最一般运算形式f范数和基于区间值表示的模糊命题弱逻辑关系最一般运算形式f-范数,具体给出相关算子,讨论了它们的性质及与传统的一些算子之间的联系,通过引入强f范的概念,给出了构造f－范数算子的一般方法,对具有弱逻辑关系复合模糊命题的真值运算可采用本文介绍的概念和方法。     

模糊询问的查询策略及其精确回答

本文在“模糊知识库的查询策略”一文的基础上,提出了模糊知识库中的查询类型3和类型4的查询策略。其基本思想是基于推理树DT,从模糊知识库中构造出询问命题语句的参照语句,然后求出在给定参照语句下的询问命题语句的真值。本文还提出了如何将基于真值概念所得出的模糊回答转化为精确回答的算法或称之为过程。     

语句的真值及其深层结构讨论

要真正学习并研究语句,首要的任务就要搞清楚什么是语句,语句的定义是什么,语句的真值要怎么分析确定?在确定语句的真值条件下,我们才有可能去研究语句的表层结构与深层结构,从而加深对人类语言的认识.本文拟研究语句的真值的条件,并分析条件句和假设句深层结构和表层结构,从而对二者进行区分.     

近似推理的理论（Ⅰ）

本文中近似推理的理论阐述的是从一组不精确前提推演出可能是不精确的结论。近似推理的理论是建立在模糊逻辑(FL)基础上的。它的真值是语言性的,即是像真,不真,很真,或多或少为真,假,不很假等这种形式的真值。推理的法则是近似的而不是精确的,并且假定前提采取下列模糊命题的形式。例如:“(X is much smaller than Y)is quite true”,“If X is small is possiblethen Y is very large is very likely。”等。通过使用可能性分布(而不是概率分布)的概念,这种命题被翻译成 PRUF 的、表达式。PRUF 是(Possibilistic Rela-tional Universal Fuzzy)的缩写,它是一个目然语言的意义表示语言。一个 PRUF 的表达式是一个过程,它是用于计算由一个用目然语言表示的命题引入的可能性分布。通过对这种分布应用 PRUF 的推理法则,我们得到其它的可能性分布,它们是从模糊前提出发演绎得到的结论,然后对它们进行再翻译,用语言近似地表示出来。模糊逻辑推理的基本法则是投影原理,特指/合取原理和必含原理。最后通过一些例子来说明这些法则在近似推理中的应用。     

面向对象的命题逻辑和分布式推理

命题逻辑是人工智能和知识工程的基础之一，然而传统命题逻辑却没有体现面向对象的思想，并且难于适应目前的分布式计算环境。本文用对象封装命题变元，实现了传统命题逻辑和面向对象思想的结合；本文引入命题关联类／对象来封装产生式，不但显式地表征了事物之间的命题逻辑关系，还使系统形成一种网络拓扑结构，实现了知识的分布式存储；本文还提出了真值传递和规则触发机制，通过它们可以将推理分布在网络的各个节点完成，并且实现了知识的自索引：相关的知识郝存于本地，因此搜索只发生在一个节点内部，避免了全局搜索。     

新课程高考与历史教学的关系分析（四）“超量命题，限量答题”的选考模式与教学建议

2007年全国首次新课程高考实行了“超量命题,限量答题”的命题方式,突破了以往传统的高考命题方法和原则。为什么要实行“超量命题”？怎样命题？如何“限量答题”？“超量命题,限量答题”有什么特点？对高中历史教学和高考总复习产生了哪些影响？这些问题已经成为历史教学界普遍关注的焦点。