改进的概率神经网络的语义区域分类

针对彩色图像信息量大,分割效果自适应性差的问题,对图像语义区域的分割精度进行控制,提取图像的纹理特征值,再通过改进后的概率神经网络模型对测试样本做分类测试,达到提高图像语义提取和分类准确性的目的。实验表明,改进后的概率神经网络对彩色图像语义区域分类的正确性由原先的70%提高到90%,具有较好的分类效果。     

认知视角下的舆论观点句情感计算

针对目前观点分析方法局限于传统的文本分析技术,只能将舆论观点句分为肯定和否定两极或确定每一极的程度（粗粒度）,不能进一步给出舆论观点句是积极的还是消极的程度的问题。本文从认知学角度研究细粒度语义情感计算框架。提出了一种舆情观点句的定量分析方法,该方法将对于某话题的文本集合作为输入,输出一个实数表示文本中所表达观点的能量。本文在NLPIR共享平台上进行了相关实验,给出了粗粒度情感和细粒度情感对观点句识别的对比实验,实验表明,两种方法对观点句的识别性能相差不大;对非观点句细粒度方法好于粗粒度方法。     

随机模糊故障树分析方法及应用

针对现有故障树分析模型无法解决复杂环境下的多重不确定性问题,利用随机模糊变量的本原机会概念,提出了随机模糊故障树顶事件本原机会的求解算法。该算法的基本思想是先通过模糊模拟产生一组符合要求的模糊数,然后利用这些模糊数做参数进行随机模拟求得顶事件的本原机会。最后,通过实例证明了该算法在解决双重不确定方面比任何模糊故障树算法都有优势。     

设计Agent系统应注意的问题

面向Agent技术在不久的将来可能为计算机或其它科学提供一种新的计算模式,现在已经引起了各国的关注,并取得了一些惊人的效果.由于对Agent定义有许多争议,所以给设计Agent系统带来了一些困难,文章就设计者在设计Agent系统时应注意的问题,提出几点建议.     

基于agent的模式表示模型AIM

针对模式表示研究存在的语义缺失问题,基于agent技术和人的记忆原理,提出一个新的模式表示模型agent影响图(agent influence map,AIM)。AIM反映了模式的整体特征,提供一个有效的软计算工具来支持基于先验知识的自适应行为。AIM通过特征的多阶段整合呈现记忆模式的层次性;把模式信息存储在整个网络中,通过协作涌现出高层次特征体现记忆的语义特性。     

基于语义倾向性的文本过滤研究*

以往文本过滤的研究主要集中于主题过滤,然而随着网络的发展,倾向性文本过滤在网络信息安全方面的作用越来越大。在语义倾向性分析中,若忽略关联词和修饰词则有可能导致对极性词的倾向或强度判断失误。针对这一问题,提出了一种新的语义倾向性识别算法,用于对潜在极性词进行倾向性识别,并应用到文本过滤方面。实验表明此方法具有较高的准确率和召回率。     

机器证明的困难所在

机器证明是人工智能的一个重要课题,即用计算机来证明定理,亦称自动证明或定理的机械化证明,其基础是由 Hibert 在1930年奠定的,60多年来历程艰苦,困难在于传统逻辑、三段论、充分条件、同理可证、直觉思维的局限性。如果我们正视这些困难,利用专家系统,机器学习等技术,机器证明将进入一个崭新的局面。     

一个描述机器人团队形成的动态演化模型

目前在多机器人领域，对组织、团队和群体概念比较混乱，团队形成的研究大都停留在定性分析阶段。借鉴Markov过程和进化计算，从协作主体层和能力层研究了机器人团队和组织的区别及团队的形成机制。提出并全面描述了一个机器人团队形成的动态演化模型，目前国内外尚无类似模型。该模型不仅能对机器人团队有一个整体描述，而且能定量描述团队形成时的动态演化过程。