国家知识基础设施中的数学知识表示

数学知识表示是知识表示中的一个重要方面,是数学知识检索、自动定理机器证明、智能教学系统等的基础.根据在设计NKI(national knowledge infrastructure)的数学知识表示语言中遇到的问题,并在讨论了数学对象的本体论假设的基础上提出了两种数学知识的表示方法:一种是以一个逻辑语言上的公式为属性值域的描述逻辑;另一种是以描述逻辑描述的本体为逻辑语言的一部分的一阶逻辑.在前者的表示中,如果对公式不作任何限制,那么得到的知识库中的推理不是可算法化的;在后者的表示中,以描述逻辑描述的本体中的推理是可算法化的,而以本体为逻辑语言的一部分的一阶逻辑所表示的数学知识中的推理一般是不可算法化的.因此,在表示数学知识时,需要区分概念性的知识(本体中的知识)和非概念性的知识(用本体作为语言表示的知识).框架或者描述逻辑可以表示和有效地推理概念性知识,但如果将非概念性知识加入到框架或知识库中,就可能使得原来可以有效推理的框架所表示的知识库不存在有效的推理算法,甚至不存在推理算法.为此,建议在表示数学知识时,用框架或描述逻辑来表示概念性知识;然后,用这样表示的知识库作为逻辑语言的一部分,以表示非概念性知识.     

基于链接实体回放的多源知识图谱终身表示学习

知识图谱存储大量的结构化知识和丰富的语义信息,已被广泛应用于知识驱动的智能软件.随着智能应用的不断发展,它们对知识图谱的需求也在发生变化.而单一知识图谱往往具有数据不完备等缺点,难以满足需求.因此,支持新数据来源、融合多源知识已经成为迫切需求.传统的知识图谱表示学习和应用范式只考虑单一图谱,忽视了不同图谱间的知识迁移.多源知识图谱联合训练虽然可以带来性能提升,但不支持新增知识图谱的拓展表示学习.鉴于此,提出了多源知识图谱终身表示学习的新范式.给定一个知识图谱序列,终身表示学习的目标是在学习新知识图谱的同时,从已学习的知识图谱与模型中获得知识迁移.为实现这一目标,提出了一个基于链接实体回放的多源知识图谱终身表示学习框架.首先,设计一个以Transformer为编码器的知识图谱表示学习模型作为框架核心,利用关系相关性进行实体的链接预测.其次,提出链接子图构造方法,基于实体对齐构建并回放新增知识图谱和已有知识图谱之间的链接子图进行终身学习和知识迁移.最后,采用动态结构方法,为每个知识图谱存储相应的模型参数快照来避免灾难性遗忘.多个链接预测基准数据集上的实验结果表明,所提出的表示学习模型可以取得最先进的性能,且提出的终身表示学习框架可以实现有效的知识迁移.     

一种基于十元格蕴涵代数的知识表示方法

不确定知识表示中常使用语言值来表达其真实程度和可信程度。为处理具有语言值可信度的不确定性知识表示问题,基于十元格蕴涵代数,建立一个十元语言值可信度因子知识表示模型,并实现了具有语言值可信度因子的知识推理。所提出的知识表示方法可以有效地表达具有可比性或不可比性的语言值不确定性信息。实例说明所提出的方法在表示知识时能够尽量模拟具有语言值信息的人类思维模式,有利于对不确定性知识的智能处理。     

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。     

基本图的图表示与项表示的相互转移算法

基本图是一种描述并发交互诉形式化方法,它具有描述简洁、清晰和直观的特点,在基本图中,进程以及进程间的交互行为,既可以用图表示方法（其中一个图对应一个进程,图之间的归约对应进程之间的交互行为）,又可以用项代数来表示,本文对基本图的图表示中进行了一些改动,并在此基础上给出了这两种表示方法之间的转换算法,同时实现了具有创建、编辑和转换功能的基本图规范描述工具。     

基本图的图表示与项表示的相互转换算法

基本图是一种描述并发交互系统的形式化方法,它具有描述简洁、清晰和直观的特点.在基本图中,进程以及进程间的交互行为,既可以用图表示方法(其中一个图对应一个进程,图之间的归约对应进程之间的交互行为),又可以用项代数来表示.本文对基本图的图表示中进行了一些改动,并在此基础上给出了这两种表示方法之间的转换算法,同时实现了具有创建、编辑和转换功能的基本图规范描述工具.     

知识表示方法研究与应用*

详细阐述了各种知识表示方法的运用形式,并分析了各自的优点和局限.针对甘蔗收获机械智能设计系统的知识特点,提出了混合知识表示和神经网路知识表示两种运用于该系统的切实可行的知识表示方法.     

基于粗糙集的不确定知识表示方法

1 引言知识表示是人工智能(AI)研究中最关键的分支之一。传统的知识表示模型(如AQ11,ID3等),对知识描述是确定的、清晰的,即:被描述的对象具有或不具有某种属性是明确的。然而,在现实世界中,人们常常面对的是在领域信息不完整、不确定、不精确的前提下,完成对事物的认识、分析、推理、判断、预测和决策。这种智能行为往往要求人们对未知的信息进行估计、推测;对不完整数据进行分析、处理;对已知的证据     

一种可用于基于内容智能检索的知识表示方式

在基于内容的智能检索中,多媒体信息的知识表示方式是应该首先解决的关键问题之一。文章总结分析了基于内容的智能检索中现有的一些知识表示模型,在此基础上提出了一种新的可用于基于内容的智能检索的知识表示方式,为今后的研究提供了一些新的思路和方法。     

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。     

ON KNOWLEDGE REPRESENTATION FOR INFERENCES IN CAST METHOD BANKS

This article explains why aspects of knowledge representation must be considered in the context of computer aided systems theory (CAST). CAST method banks support human experts during the process of problem solving. They should be understood as decision support systems, as assistants of their human expert users. One key to making this approach work is the communication between the expert and the system. The assistant should provide systematical and goal-directive information about the current problem state for the human expert. Another, even more important requirement is the assistant's knowledge about all available methods at a certain problem-solving state and their expected impact on the further problem-solving process. Knowledge representation denotes how the problem domain is represented within the support system and how it is used. We investigate different forms of knowledge representations and summarize criteria for the applicability of different forms of knowledge representations in CAST systems.     

面向生成的美术构图表达研究

面向美术作品的自动创作,提出了美术知识的简化表达模型和基于符号矩阵的美术构图表达方法,并针对二维图案的自动生成,给出了生成性美术知识的一个具体表达实例,该实例已在美术图案综合创作系统中予以了实现。     

基于计算心象的美术图案构图知识表达

美术图案构图知识表达是计算机辅助美术图案设计具有智能的基础．计算心象是根据认知科学的研究，对人脑心象的计算机模拟．本文根据计算心象的表示模型，提出了一个美术图案构图知识的深层表达、视觉表达和空间表达模型及其上的操作．它从表达子形状的视觉形状和空间关系出发，表达构图知识的形象信息与抽象信息．     

基于XML描述的知识框架及可视化设计实现

结合知识表示的三种主流方法,实现了基于XML的知识框架表示,并结合该知识表示形式,设计实现了可视化组件JForest,实现知识模型调用、规则等的可视化建立,根据可视化的知识模型、规则设计器,完成知识模型及规则知识的建立。从而在提高智能农业信息系统开发平台可视化交互能力的基础上,大大方便应用系统开发。     

INFERENCE PROCEDURES FOR FUZZY KNOWLEDGE REPRESENTATION SCHEME

This article presents a formal model of the knowledge representation scheme based on the fuzzy Petri net (FPN) theory. The model is represented as a 13-tuple consisting of the components of the FPN, two functions that give semantic meanings to the scheme and a set of contradictions. For the scheme, called the knowledge representation scheme based on the fuzzy Petri nets theory (KRFPN) the fuzzy inheritance and fuzzy recognition-inference procedures based on the dynamical properties of the FPN, are described in detail. The upper-time complexity of both the proposed inference algorithms is O(nm), where n is the number of places (concepts) and m is the number of transitions (relations) in the scheme. Illustrative examples of the fuzzy inheritance and the fuzzy recognition algorithms for the knowledge base, designed by the KRFPN, are given.     

基于知识表示学习的实时语义数据流推理

传统的语义数据流推理使用前向或后向链式推理产生确定性的答案,但是在复杂的传递规则推理中效率不高,无法满足实时数据流处理场景对答案的及时性要求。因此,提出一种基于联合嵌入模型的知识表示方法,并应用于语义数据流处理中。将规则与事实三元组联合嵌入并利用深度学习模型进行训练,在推理阶段,根据查询中涉及的规则建立推理模板,利用深度学习模型对推理模板产生的三元组进行预测和分类,将结果作为查询和推理答案输出。实验表明,对于复杂规则推理,基于知识表示学习的实时语义数据流推理能够在保障较好推理准确性和命中率的前提下有效地降低延迟。     

面向功能的表达系统HAR

HAR(Hypothesis Associative Representation)系统是一个面向功能的表达系统,由三部分组成:表达语言HARL、知识库管理子系统和推理机.HAR系统提供了三级描述和假设联想功能,把领域知识的表达和运用知识的推理控制策略紧密地结合在一起,实现对子问题求解的功能化表达.     

关系知识表达模式及在专家系统中的应用

采用关系模式表达知识，可以利用当前流行的关系数据库管理系统（ＲＤＢＭＳ），将专家系统与ＲＤＢＭＳ上建立的管理信息系统，决策支持系统，办公自动化系统等有机结合，有利于知识的管理、存储和利用。并可在大量的管理信息，决策支持信息以及办公自动化信息中发现知识，使信息与知识共享。本文研究用关系模式表达知识的方法，并在一分类专家系统中利用ＲＤＢＭＳ强大的数据处理能力实现知识推理。     

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．