基于混合推理技术的考试评价系统研究

文章针对目前考试系统中评价与分析功能过于简单的特点,以专家系统、教育心理学等理论为指导,采用基于规则推理和案例推理的混合推理设计了考试系统中的智能评价模块。该系统中的智能评价模块能根据每一个学生的测试情况即时迅速地作出推理分析,并提出相应的学习建议,友好地约束使用者的学习进度以提高学习效率,实现了一定的自我学习和知识积...     

农业智能系统开发平台的知识表示与推理策略

针对农业智能系统的知识特点,提出基于框架知识单元和求解知识单元的知识组织结构,同时采用XML作为知识描述语言的知识表示方法,在此基础上采用混合推理的推理策略,并实现了不确定推理．该知识表示方法和推理策略已经在工作中得到实际应用,较以往知识表示方法,在知识获取、知识的直观充分表达、知识扩充、知识模块化、知识共享等方面都取得了很好的效果．     

描述逻辑中基于边界模块的推理方法*

模块化是优化本体推理的一种有效手段,提出了一种针对推理的模块提取方法,该方法通过分析符号 解释域的边界与公理之间的关系计算出基于边界的模块。给出该基于边界的模块的理论基础,并证明了其模块 的正确性。评估实验表明,基于边界的模块和最优模块大小很接近,并使用边界模块进行推理后,推理性能显著 提高。     

可重构知识管理系统中案例与规则的集成推理方法

传统上的知识管理工具往往在设计时就固定了知识结构,这样的系统不但缺乏通用性,而且也限制了知识检索与推理的效率。介绍一个基于本体的可重构知识管理系统,知识作为本体概念的对象实例,利用本体模型的可定制性,解决了以往知识类型不能扩展的问题。详细阐述了结合案例推理与规则推理的集成推理方法,通过规则学习算法支持了规则库的动态扩充与调整,并将本体类的语义关系应用于推理方法,进一步提高了推理的效率。最后介绍了该系统在某飞机设计研究院的应用情况和今后的研究方向。     

基于知识的线路巡检计划层次推理技术研究

提出了一种基于知识规则的巡检计划生成方法。利用知识系统原理，对巡检专家知识进行分层描述，建立巡检知识库；基f巡检知识的层次描述，提出巡检计划的层次推理疗法；在层次推理机制的控制下，使用巡检知识对巡检历史数据进行动态解释，形成巡检决策，并自动生成巡检计划。该方法在实际中得到了应用，并取得了较好的效果。     

产生式规则专家系统的原理与实现

不确定的知识表示与知识推理是专家系统研究和开发的难点。本文利用“目标驱动”方法中控制模块、规则库和事实数据库的操作原理，使用SQL Server2000和Delphi 6．0作为开发平台，通过数据格式和算法的设计构造并实现了一个产生式规则专家系统。该系统实现了不确定性知识表示和知识推理的计算机化，用户只需要为系统提供足够的已知数据，就可以获得专家水平的结论。     

EFSM的组态化应急演练推理系统设计

利用计算机虚拟现实技术结合专家系统进行应急演练推理己成为化工安全演练方面的一个重要研究方向。然而传统的专家系统在面对新环境下的应急预案需要重新收集大量预案知识进行规则库的建立,缺少一定的适应性和流动性,无法满足化工企业根据新预案快速准确进行演练的要求。为了解决这一问题,本文提出了EFSM(Extended Finite State Machine)的组态化应急演练推理机制,主要设计思路为通过对基于文本的应急救援预案进行解析及可视化,利用组态化NPC(Non-Player Contro1)推理模块和基于EFSM的组态化真人推理模块分别负责处理应急演练过程中NPC的演练流程和真人角色的演练流程,形成完善的应急救援演练推理系统。最终将应急演练推理系统通过脚本的驱动,结合当前的虚拟现实三维技术进行应急救援演练仿真。     

法律领域的专家系统

法律推理和人工智能的研究目前在国外(特别是在美、英)越来越受到重视。法律推理比医疗诊断、探矿分析更复杂,存在着“开放结构”,并广泛地用到常识性知识,以及会受到社会道德、政策的影响等等。因此,基于知识的法律推理系统的研制具有一定的难度。本文从分析法律知识的特点出发,重点分析了R.E.Susskind 的基于规则的推理模型和A.Gardner 设计的基于判例的合同法分析系统,目的是向国内计算机和法律工作者介绍一个正在逐步受到重视的研究领域——“法律推理和人工智能”。     

规则推理和案例推理的集成研究

基于规则的推理（ＲＢＲ）和基于案例的推理（ＣＢＲ）是知识或两类实用有效的推理方式，文中提出了一种ＲＢＲ与ＣＢＲ相互集成的方法，为消除ＣＢＲ和ＲＢＲ结果之间的冲突，引入了逆案例，隐含规则和相似性度量等概念，以此提高了系统求解问题的效率，增强了系统对不良结构问题的适应性。     

基于框架与规则相结合的棉纺工艺专家系统知识库的设计

本文讨论了棉纺工艺专家系统及其知识表示方法。在介绍棉纺工艺专家系统体系结构的基础之上，重点探讨了利用框架表示棉纺工艺的领域知识的具体方法、框架结构以及用框架一规则形式来表示推理规则及原理。并简要介绍了本系统基于事例的推理过程。     

基于知识支持的建筑施工质量控制系统研究

将知识管理的理念应用到施工质量控制中,加速施工质量控制中知识的循环过程,提高工程质量预测控制和事故诊断能力。通过湖北省建筑工程质量控制研究实践,开发了集建筑质量控制知识管理和决策支持功能于一体的施工质量控制和事故处理系统(CQIS),系统将正向规则推理和基于案例的推理(CBR)相结合,通过RBR接口调用RBR系统,提高案例推理质量诊断的能力,实现基于知识的综合推理功能。该系统已经获得科技成果鉴定和湖北省科技推广成果。     

冲压模设计专家系统

作为提高冲模设计效率的一种尝试,我们实现了“冲压模设计专家系统”,用来完成冲模方案设计。 (1)系统组成及运行机理:系统由一个负责总体调度的总控模块和几个功能模块组成。功能模块包括工艺性分析、实例推理、设计主推理等推理模块以及各推理模块相对应的知识库,另外还有用户接口、学习处理、解释、黑板等辅助模块。运行时,先由工艺性分析模块调用工艺性分析知识来判断冲压件是否满足工艺要求。若满足,则开始进行设计。这时,先由实例推     

计算机远程故障诊断系统的设计实现

介绍了一种基于B/S模式的计算机远程故障诊断系统.详细阐述了该系统所采用的故障树框架型知识表示方法,没汁了基于规则的正反双向推理和基于案例推理相结合的混合推理机制,最后给出了系统的工作原理和总体结构.     

面向知识图谱的知识推理研究进展

近年来,随着互联网技术和应用模式的迅猛发展,引发了互联网数据规模的爆炸式增长,其中包含大量有价值的知识.如何组织和表达这些知识,并对其进行深入计算和分析,备受关注.知识图谱作为丰富直观的知识表达方式应运而生.面向知识图谱的知识推理是知识图谱的研究热点之一,已在垂直搜索、智能问答等应用领域发挥了重要作用.面向知识图谱的知识推理旨在根据已有的知识推理出新的知识或识别错误的知识.不同于传统知识推理,由于知识图谱中知识表达形式的简洁直观、灵活丰富,面向知识图谱的知识推理方法也更加多样化.本文将从知识推理的基本概念出发,介绍近年来面向知识图谱知识推理方法的最新研究进展.具体地,本文根据推理类型划分,将面向知识图谱的知识推理分为单步推理和多步推理,根据方法的不同,每类又包括基于规则的推理、基于分布式表示的推理、基于神经网络的推理以及混合推理.本文详细总结这些方法,并探讨和展望面向知识图谱知识推理的未来研究方向和前景.     

基于组件的多智能体油气开发软件应用平台的研究

该文利用基于实例推理的思想和技术,提出了一个基于组件推理的多智能体油气开发软件应用平台的体系结构和实现方法。该系统是基于系统所记忆的以往应用软件对象类组件来主动推理解决所面临的应用软件开发问题,并可通过对象类的不断增加,获取应用软件开发的知识,从而提高和改善应用平台软件开发的能力。     

CBR与RBR相结合的实时专家系统设计与实现

提出了一个基于案例的推理与基于规则的推理相结合的实时专家系统RTESCR,介绍了该系统原理及其组成部分。RTESCR主要适用于知识富有型应用领域,目前应用于航天控制系统实时故障诊断系统。     

描述逻辑中基于边界的模块提取方法

模块化是优化本体推理的一种有效的手段,提出了一种针对推理的模块提取方法,该方法通过分析符号解释域的边界和公理之间的关系计算出基于边界的模块。文中给出该基于边界的模块的理论基础,并证明了其模块的正确性。在评估实验中,通过与最优模块和符号模块进行比较,基于边界的模块和最优模块大小很接近,非常适合对推理进行优化。     

基于实例的多推理机合作变型设计系统

产品变型设计的基本思想就是通过改进已有的系列产品或模块来适应新的设计需求.针对变型设计的基本特点,提出了以基于实例的推理为基础,综合运用规则推理和约束满足方法来完成产品的变型设计活动.结合所开发的“细纱机模块化变型设计系统”,从知识表达模式、推理流程等方面详细讨论了以基于实例的推理为核心方法的多推理机合作变型设计系统的实现.     

基于描述逻辑的OntoUML模型的推理研究

作为语义网的逻辑基础,描述逻辑在知识表示与知识推理方面发挥着重要作用。基于描述逻辑的推理系统保证了其推理的合理性和有效性。本文概要介绍基于UFO本体的OntoUML,并探讨OntoUML模型到描述逻辑的形式化表示及推理方法。     

范例推理技术在银行客户信用评估中的应用

范例推理技术是人工智能领域中一种基于知识的问题求解和学习方法。为了有效评估银行客户信用等级并提高银行信贷业务效率，文中提出了范例推理技术(CBR)在银行客户信用评估中的应用，并给出了基于范例推理的银行客户信用评估系统的原型，介绍了该系统中的关键技术：范例表示、相似性计算和范例检索，研究了归纳学习、特征子集选择等机器学习方法在范例检索中的应用。