人机界面中的窗口管理

本文介绍了人机界面中的窗口管理原理，对窗口进行了描述，并给出了窗口覆盖关系的判定方法，在此基础上再出了窗口中变动点地址的计算算法。     

多agent分层强化学习在数据定位中的应用研究

为了在领域文本中实现数据定位,将文本视为环境,针对文本环境中存在的动态性以及不确定性等问题,提出了基于多agent分层强化学习的数据定位方法。该方法利用分层结构的特点,将系统任务分解为多个子任务,个体agent分别对对应子任务学习,以此将策略更新限制在规模较小的局部空间;同时利用多agent系统中单agent与系统远期目标的同一性,引入策略协调机制,通过agent之间交换信息来发现趋势性信息,并利用shaping技术,将在线获取的动态知识对各个agent进行趋势性启发,加快agent的收敛速度。将该方法应用于司法领域的判决文书上,实验结果表明：该方法能够在大规模复杂未知的文本环境中对目标数据进行高效准确定位,平均准确率与◢F◣值能够达到96.6%和98.2%,且具有较好的收敛速度。因此可以看出,该方法能够很好地在领域文本中实现数据定位,具有较大的理论以及实际意义。     

消费者的品牌转换行为及其营销对策

品牌转换行为是指消费者停止购买正在使用的品牌转而购买使用其他品牌.在当前的市场环境下,消费者的品牌转换行为已经变得越来越寻常.     

带Rough算子的决策规则及数据挖掘中的软计算

文中讨论决策规则及其与演绎推理中的假言推理规则之间的关系,通过数据挖掘中的软计算使决策表中的属性简化和性值区间化,从而找到一种具有广泛表达能力的数据隐含格式,从中选择有代表性的,并删去冗余或过剩的规则,并保持决策表的原有用途和的有性能,我们通过开发一个中医诊疗专家系统的实例说明了这种软计算的过程,并分别用于统计或专家计算带可信度因子的产生式规则和基于Ｒｏｕｇｈ集方法计算带Ｒｏｕｇｈ算子的决策规则两     

辩证逻辑思维知识表达模式的研究

辩证逻辑思维是人工智能和复杂系统评估中十分重要的研究领域。目前对它的研究还很不成熟。受周易思想体系的启迪，对辩证逻辑思维的知识表达模式作了一点有益的探讨，并导出了ＤＬ体系、ＤＬ逻辑和ＤＬ自动机等表达辩证逻辑思维的模式     

G-逻辑及其归结推理

该文提出了一种粒-逻辑，简记为G-逻辑，并构造了这种逻辑的近似推理系统，定义了G-公式、G-子句和G-文字，提出了这种逻辑的G-归结方法．G-归结的完备性定理也被证明了．这种逻辑公式的结构是有序二元对，第一元是断言；第二元是对应于这个断言的可定义集或不可定义域集的近似集．这种逻辑是定义在信息系统IS=(U，A)上，所以其公式中的个体变量被赋予U上的实体．公式中的命题或谓词被解释为属性集A上的属性，因此命题或谓词的意义集是U上的一个子集、属性及其意义集一起构成的二元对，被称做一个基本粒(granule)．而这种基本粒被当做这种逻辑中的一个G-原子，用G逻辑联结词组合这些G-原子便得到这种逻辑中的G-公式．公式的可满足性是其相应断言的意义集不空．当这种公式的定义域集不可定义时，则可将它移到其定义域集的Rough下和上近似集上去讨论．G-逻辑的提出为经典逻辑的应用开辟了新途径，也为处理非规范知识提供了较好的理论工具．G-逻辑的运算涉及整体到局部的分解和局部到整体的合并，以此提供了AI中问题求解的新思路．G-逻辑也是Rough逻辑的新扩充，其真值概念及其运算都不同于经典逻辑，也不同于其它非标准逻辑．这种逻辑中的演算既是逻辑的，又是集合论的．于是当处理真值及其运算时适合使用逻辑方法；而处理归结中的文字合一时可用集合论方法，这样可避免复杂的文字合一计算．最后，用实例说明了这种逻辑的G-归结方法的可行性和有效性，并给出了G-逻辑中机器定理证明的相关定理，讨论了G-归结反演的完备性和完全性．     

基于深度学习的命名实体识别综述

命名实体识别是自然语言处理的基础任务之一,目的是从非结构化的文本中识别出所需的实体及类型,其识别的结果可用于实体关系抽取、知识图谱构建等众多实际应用。近些年,随着深度学习在自然语言处理领域的广泛应用,各种基于深度学习的命名实体识别方法均取得了较好的效果,其性能全面超越传统的基于人工特征的方法。该文从三个方面介绍近期基于深度学习的命名实体识别方法: 第一,从输入层、编码层和解码层出发,介绍命名实体识别的一般框架;第二,分析汉语命名实体识别的特点,着重介绍各种融合字词信息的模型;第三,介绍低资源的命名实体识别,主要包括跨语言迁移方法、跨领域迁移方法、跨任务迁移方法和集成自动标注语料的方法等。最后,总结相关工作,并提出未来可能的研究方向。