自顶向下还是自底向上?——论计算机网络原理课程教学模式

计算机网络原理是计算机专业的核心课程,具有很强的实践性。课程教学中采取的教学模式决定课程的教学质量。本文分析该课程"自顶向下"和"自底向上"两种经典的教学模式,并在此基础上详细阐述该课程的教学模式改革实践,希望对该课程教学人员有一定的参考价值。     

一种自底向上的静态语义查询优化算法

演绎数据库语义查询优化是运用数据库中的语义知识，即完整性约束条件，将用户提交的一种查询转换为能有效执行，并与原查询等价的查询的一种优化方法．至今在这一领域已有了许多的算法，但大多是基于自顶向下的查询计算模式．而本文提出的静态语义查询优化算法及其改进算法是在优化“并”和“连接”操作的过程中进行自底向上的查询计算，因此相对自顶向下的计算方式更有效地提高了查询执行效率．     

一种自底向上构造索引B+树的方法

论文提出并实现了一种新的自底向上构造索引B树的方法。该算法较好地提高B树空间利用率和建立索引的速度。     

自底向上的三维重建算法及其加速措施

系统地阐述了由二维视图采用自底向上的方法,实现三维重建的算法过程。从二维点、线的图形信息出发,生成线框模型、表面模型和实体模型,能比较完整地实现三维重建,并且能处理多解问题。在重建过程中还采用了一些加速措施,提出了一种简单通用体基域划分方法用来生成子体,使重建过程变得有效快速。     

一种基于ILP和ASP的学习B语言描述的动作模型方法

动作模型学习可以使Agent主动适应动态环境中的变化,从而提高Agent的自治性,同时也可为动态域建模提供一个初步模型,为后期的模型完善和修改提供了基础.通过结合归纳逻辑程序设计(Inductive Logic Program-ming,ILP)和回答集程序设计(Answer Set Programming,ASP),设计了一个学习B语言描述的动作模型算法,该算法可以在混合规模的动态域中进行学习,并采用经典规划实例验证了该学习算法的有效性.     

自底向上的应用层组播树重构算法

分析传统应用层组播树重构算法的不足,结合前向式重构技术,提出一种自底向上的应用层组播树重构算法.采用自底向上的方法将备用父节点的本地选择策略和全局选择策略进行有机结合.仿真结果表明,该算法在组播树的恢复时延、重构树的质量、树重建的控制开销方面都有一定的改进.     

多领域仿真平台下自顶向下的建模机制

针对当前多领域仿真平台建模机制采用拖放式建模、不支持产品正向设计的问题,提出基于空部件的自顶向下建模机制.该机制融合自底向上建模方式,以方便建立复杂多领域层次化模型,同时阐述了空部件的接口设计以及自底向上的模型更新机制.最后结合实例说明了采用该机制建立复杂多领域模型的过程.     

一种文件转换器的设计与实现

随着计算机技术的飞速发展,数据和信息以各种文件格式被组织并存储在计算机系统中。为了提高对数据和信息的共享效率,需要进行文件格式转换,支持不同软件的处理和应用需要。采用经典的软件开发方法和技术,设计和实现一种文件格式转换器,支持将一种专用的文本格式文件转换到关系数据库文件。     

自底向上构建高效BVH的研究

光线追踪中,加速结构对于减少光线与几何体求交的计算量起到了不可或缺的作用,找到一种高效的加速结构仍然是本领域的研究热点之一.传统的加速结构如BVH,都是自顶向下的构建方式,由于其本身的限制,构造出的加速结构往往不是最优的.为了改进自顶向下的缺陷,提出了一种自底向上BVH的构建方式,它使用了BVH和空间划分的混合结构,并引入了一种改进的表面积启发代价函数和多个构建参数来优化最后的构建结果.最后实验表明,此文中提出的方式比传统的BVH与KD-Trees有更好的加速效果,可以实现对前两者5%-10%的提速.最后,文中还给出了一些加速方案来减少构建时间.     

归纳逻辑程序设计综述

归纳逻辑程序设计(inductive logic programming, ILP)是以一阶逻辑归纳理论为基础,并以一阶逻辑为表达语言的符号规则学习方法. ILP学得的模型是易于理解的一阶逻辑符号规则,而非难以解释的黑箱模型;在学习中可以相对容易地显式利用以一阶逻辑描述的领域知识;学得模型能对领域中个体间的关系进行建模,而非仅仅对个体的标记进行预测. 然而,由于潜在假设空间巨大,进行高效学习有相当的困难.综述了ILP领域的研究情况,从不同一阶逻辑归纳理论的角度对主流的ILP方法做出了梳理.还介绍了近年来ILP基于二阶诱导推理理论的扩展、基于概率的扩展和引入可微构件的扩展.最后,介绍了ILP在实际任务中的代表性应用,探讨了ILP方法目前所遇到的挑战,并对其未来发展进行了展望.     

一个不受常量序限制的归纳逻辑程序设计算法

文章分析了FOIL（first－orderinductivelearner）递归谓词学习算法理论上的不足以及由此导致的应用范围的局限,并通过两个例子给予详细说明．为了克服这一缺陷,文章引入了反映递归规则集R与实例空间E本质关系的实例图H（R．E）和实例序的概念,奠定了算法的理论基础．在此基础上,给出了基于实例图的FOILPlus算法．算法通过对悬例、悬弧的操作把握住实例序,自然而然地防止了病态递归规则的产生,从而保证了FOILPlus可以不受常量序限制地完成学习任务;同时,算法的时空复杂度较之FOIL算法没有增加．FOILPlus算法已经编程实现,并用它尝试了两个FOIL学习失败的递归任务,都获得了成功．     

Bottom-up Evaluation of Datalog with Negation

Declarative semantics gives the meaning of a logic program in terms of properties,while the procedural semantics gives the meaning in terms of the execution or evaluation of the program.From the database point of view,the procedural semantics of the program is equally important.This paper focuses on the study of the bottom-up evaluation of the WFM semantics of datalog‘ programs.To compute the WFM,first,the stability transformation is revisited,and a new operator Op and its fixpoint are defined. Based on this,a fixpoint semantics,called oscillating fixpoint model semantics,is defined.Then,it is shown that for any datalog‘ program the oscillating fixpoint model is identical to its WFM.So,the oscillating fixpoint model can be viewed as an alternative (constructive) definition of WFM.The underlying operation (or transformation) for reaching the oscillating fixpoint provides a potential of bottom-up evaluation.For the sake of computational feasibility,the strongly range-restricted program is considered,and an algorithm used to compute the oscillating fixpoint is described.     

Confirmation-Guided Discovery of First-Order Rules with Tertius

This paper deals with learning first-order logic rules from data lacking an explicit classification predicate. Consequently, the learned rules are not restricted to predicate definitions as in supervised inductive logic programming. First-order logic offers the ability to deal with structured, multi-relational knowledge. Possible applications include first-order knowledge discovery, induction of integrity constraints in databases, multiple predicate learning, and learning mixed theories of predicate definitions and integrity constraints. One of the contributions of our work is a heuristic measure of confirmation, trading off novelty and satisfaction of the rule. The approach has been implemented in the Tertius system. The system performs an optimal best-first search, finding the k most confirmed hypotheses, and includes a non-redundant refinement operator to avoid duplicates in the search. Tertius can be adapted to many different domains by tuning its parameters, and it can deal either with individual-based representations by upgrading propositional representations to first-order, or with general logical rules. We describe a number of experiments demonstrating the feasibility and flexibility of our approach.     

Declarative Bias for Specific-to-General ILP Systems

A comparative study is presented of language biases employed in specific-to-general learning systems within the Inductive Logic Programming (ILP) paradigm. More specifically, we focus on the biases employed in three well known systems: CLINT, GOLEM and ITOU, and evaluate both conceptually and empirically their strengths and weaknesses. The evaluation is carried out within the generic framework of the NINA system, in which bias is a parameter. Two different types of biases are considered: syntactic bias, which defines the set of well-formed clauses, and semantic bias, which imposes restrictions on the behaviour of hypotheses or clauses. NINA is also able to shift its bias (within a predefined series of biases), whenever its current bias is insufficient for finding complete and consistent concept definitions. Furthermore, a new formalism for specifying the syntactic bias of inductive logic programming systems is introduced.This paper extends the papers (Adé & Bruynooghe, 1992) and (Rouveirol et al., 1993).     

命题逻辑提升到一阶逻辑上的子句消去方法

在基于命题逻辑的可满足性问题（SAT）求解器和基于一阶逻辑的定理证明器上，子句集简化一直是必不可少的步骤，而其中子句消去方法在这些子句集简化方法中是非常重要的组成部分。将命题逻辑中的子句消去方法归结隐藏恒真消去方法（RHTE）和归结隐藏包含消去方法（RHSE）提升到一阶逻辑上，并且利用蕴含模归结原则（IMR）证明了这种提升方式在一阶逻辑上具有可靠性（Soundness），即依据这两种子句消去方法删除一阶逻辑公式集中的子句，并不会改变公式集的可满足性或者不可满足性。此外，将这两个方法与一阶逻辑子句消去方法锁子句消去方法（BCE）和归结包含消去方法（RSE）进行组合推广，发展得到一阶逻辑上新型子句消去方法（BC+RHS）E、（RS+RHT）E和（RHS+RHT）E，并且证明了这3种子句消去方法在一阶逻辑上的可靠性。最后，分析比较了这些子句消去方法的有效性，并且证明了这3种新型子句消去方法比组成它们的原始子句消去方法均具有更高的有效性。     

扩展AL log挖掘日志本体的ILP方法*

为发现Web使用记录中所蕴涵的用户访问模式,在深入分析日志本体中事件间的抽象关系后,提出适用于原子事件和复合事件间整分关系推理的ALC传播规则扩展已有的推理模式,并在此基础上提出一种挖掘日志本体的ILP方法。该方法结合描述逻辑和Horn规则在知识表示和推理过程中互补的特点,采用ALlog混合系统构建知识库,利用约束SLD反驳消解和扩展ALC传播规则从日志本体中学习用户访问模式,达到站点商业智能和个性化的目的。最后给出验证该方法的实例,实验结果表明了该方法的可行性和有效性。     

使用ILP学习Web信息提取规则

归纳逻辑编程(ILP)可以用于学习各种形式的逻辑规则,但在尝试用于学习Web页面的信息提取规则时存在格式不匹配问题.给出了系统结构的数据流图,重点分析了格式不匹配问题,提出了一种解决方案,主要包括规则的语法定义和动态生长方法.生成的规则结构清晰,可以用于从Web页面提取信息.     

An Algorithm for Dual Transformation in First-Order Logic

The transformation between conjunctive and disjunctive canonical forms is useful in domains such as theorem proving, function minimization, and knowledge representation. In this paper, we present a concurrent algorithm for this transformation, suitable for first-order logic theories. The proposed algorithm use the holographic relation between these normal forms in order to avoid the generation of noncondensed and subsumed (dual) clauses. We also stress the facts that, in first-order logic, this transformation is asymmetric and that disjunctive normal form, in some special cases, may be not unique, depending on choices about which subsumptions are allowed or not. The algorithm, which is part of a theorem-proving knowledge representation project, has been implemented and tested.