注塑件缺陷诊断专家系统的研究及应用

本文建立了一个基于知识的注塑件缺陷诊断专家系统ＫＢＤＤＥＳ。该系统采用不精确推理及确定性理论,按人类专家处理问题的思维方式来协调各专家对问题假设的不确定性,并运用正反向混合推理的控制策略,对常见的注塑件缺陷及注射过程中的故障进行诊断,得出结论并给出避免缺陷或故障的方法及建议。系统知识的表达采用了“框架十规则”的复合表达技术,使不同层次的知识源统一于同一知识表达结构内。     

基于模糊框架-产生式知识表示及推理研究

知识表示是专家系统求解能力及正确性的基础。针对不同知识表示方法的局限性,采用框架与产生式知识表示法结合表示专家知识。同时鉴于传统知识表示及推理方法在描述事实生产中不确定知识及经验中的缺陷问题,将模糊推理与知识表示相结合,应用模糊因子,定量细化描述模糊知识;并结合知识表示特点应用动态加权平均匹配函数及模糊推理方法,提出基于模糊框架-产生式知识表示方法及推理的研究,量化地表示知识及推理过程,为决策人员提供更加直观、准确的推理依据。     

基于神经网络和专家系统的铸造质量控制方法

提出了一种基于神经网络与专家系统,具有一定自学习能力的铸造质量控制方法,具体描述了其工作原理.该系统由工艺参数优化模块和缺陷诊断模块组成.工艺参数优化模块以神经网络为推理机,以过去生产数据和有限元数值模拟数据作为训练样本,建立工艺参数与铸件性能之间的非线性关系.缺陷诊断模块以基于产生式规则的推理方式,诊断缺陷类型、产生原因及防治措施,且诊断结果反馈到工艺参数优化模块,用于神经网络再学习.试验结果表明,该系统提高了工艺参数准确率,增强了缺陷诊断能力,减少了铸件次品率.     

液压支架电液控制系统软件缺陷管理

针对液压支架电液控制系统软件缺陷问题,从软件测试方法入手,分析了液压支架电液控制系统软件结构特点,构建了软件缺陷管理框架,确定了软件测试方案,对软件缺陷进行了分类,设计了软件缺陷数据库的数据结构及软件缺陷管理流程,进而对软件缺陷进行分析。实践表明,通过液压支架电液控制系统软件缺陷管理,提高了软件质量和开发效率。     

基于记忆学习方法在自然语言处理中的应用

1 背景介绍在诸多自然语言处理应用问题中,传统手工规则的失败暴露了经典人工智能IF-THEN推理模式在自然语言知识体系尚未完全把握的情况下的缺陷。由此,在一定知识推理机制体系下,自然语言的知识表示和知识获取作为自然语言处理中的关键问题已经成为困扰其形式化的主要瓶颈。     

多智能体实例检索控制模型的研究

引言基于实例的推理(Case一Based Reason,ng,eBR)是基于利用以往求解类似问题的以实例形式表示的经验知识进行推理,从而获得当前问题求解结果的一种推理模式Llj,它克服了传统的基于规则推理系统的知识难于获取和推理的脆弱性等缺陷,已广泛应用于各种问题求解的领域。一般来说,CBR的推理过程包括问题特征的抽取、相应实例检索、实例的改写与调整、方案的评价和新实例的存贮等基本步骤〔,一2〕。其     

平板玻璃生产质量缺陷诊断专家系统

文章简要介绍了利用专家系统开发工具构成平板玻璃生产质量缺陷诊断专家系统。阐述了平板玻璃的质量缺陷、专家系统的知识库、推理特点及运行结果。     

专家系统的可靠性

目前专家系统以其强大的掌握大量特定复杂系统的信息知识而得到广泛应用。但是，对于专家系统本身的可靠性问题必须引起足够的重视。本文就专家系统可靠性问题从４个方面进行分析：（１）专家系统软件可靠性；（２）专家系统知识可靠性；（３）专家系统推理过程可靠性；（４）可靠性与危险性。     

复杂知识系统的知识表示与推理控制结构研究

文章分析了几种基本的推理技术,给出了一个将一般知识、案例知识、模型知识、神经网络知识综合集成的混合知识组织模型,为适合问题求解及混合知识推理的需要设计了一个基于智能体的主从式推理控制结构。     

基于改进深度学习算法的铸件缺陷自动检测识别研究

为改善多目标缺陷识别漏检问题，提高铸件缺陷检测精度，该文提出了基于改进深度学习算法的铸件缺陷自动检测识别方法。利用数字式辐射成像技术获取铸件DR图像，并采用引导滤波算法对其作平滑处理，在YOLOv3网络结构基础上，引入空间金字塔池化（SPP）结构，将优化后的YOLOv3网络与Faster RCNN、Cascade RCNN网络融合构建缺陷检测融合模型，将处理后的铸件DR图像作为模型输入，实现铸件缺陷的高精度识别。实验结果表明，该方法可识别铸件DR图像多个缺陷目标，平均检测精度达到97.5%以上，有效降低漏检缺陷数量。     

平板玻璃生产监控及质量缺陷诊断专家系统

介绍平板玻璃生产监控及利用专家系统开发工具 ,构成平板玻璃生产质量缺陷诊断专家系统 ,并阐述了平板玻璃的质量缺陷、知识库和推理特点及其运行结果     

Issues in an inference platform for generating deductive knowledge: a case study in cultural heritage digital libraries using the CIDOC CRM

Most information retrieval research focuses collecting documents that match the same set of concepts. This study considers a more advanced problem, namely how to discover knowledge not contained in a single source from combined historical facts. By using a well-designed core ontology in the cultural domain (CIDOC CRM, ISO21127), this study discusses the requirement for a robust inference platform for real-life knowledge discovery and integration over distributed sources. The methodology and design are justified in detail through functional requirements for an inference service with the capability of inferring new knowledge from combinations of facts distributed over different sources. A number of critical issues for developing such a robust inference platform are identified, namely (1) systematic accumulation of common concepts and inference rules; (2) extending the ontology with metaclasses; (3) accumulation of factual and categorical knowledge; (4) incorporation of fuzzy inference into the inference engine, and (5) improvement of performance and scalability in the inference engine.     

面向推理构件分布式应用环境的构建

以知识系统为背景，采用多agent技术构造了面向推理构件的分布式计算环境，提出了一种支持推理构件协同问题求解的解决方案，并设计了此分布式应用的关键部件，从而实现了推理构件求解问题时知识查询和协同推理的双重功能，知识系统的可用性得以提高．     

Process knowledge based multi-class support vector classification (PK-MSVM) approach for surface defects in hot rolling

Random surface defects occur during the hot bar rolling of steels and are identified either by manual or by automated inspection techniques. Manual inspection techniques are purely based on the process knowledge of the inspector such as the location, type and kind of defects, and the primary sources of these defects. The automated techniques, to identify and classify the defects, rely on machine vision technologies and image processing algorithms based on support vector machines, wavelets, image processing and statistical inference. Both these approaches have their own advantages and limitations. To improve the accuracy of classification of these defects a process knowledge based support vector classification scheme is proposed (called PK-MSVM) which combines feature extraction task of automated inspection with the process knowledge. The defect observation data from the imaging sensor is transformed to include this process knowledge. Three attributes of the defects – length to width ratio, longitudinal location and transverse location- are used for this transformation are they are closely related to the thermo-mechanics of the rolling process. Different formulations of the multi-class support vector machines (MSVMs) are compared for this classification with or without process knowledge based transformation: one-against-one, one-against-all and Hastie’s algorithm of multi class SVM. It is found that the new approach (PK-MSVM) performs better than traditional MSVM for all the three formulations. For the best case, the performance sees a jump of more than 100%. Thus incorporating process knowledge in identification and classification does increase the reliability of inspection considerably.     

Study of defects in a program code in Python

In the paper, defects in a program code in Python are considered. It is shown that these defects are different from those in a code in C/C++; hence, there is a need in study of defects in large-scale projects with an open source code. A classification of the defects found, which is based on whether type inference is required for finding an error, is presented. It is shown that there exists a small portion of “simple” defects; however, the determination of the majority of the defects requires type inference. The question of what constructs of the Python language are to be supported in type inference for finding real defects is discussed.     

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.     

基于知识话题模型的文本蕴涵识别

该文分析了现有基于分类策略的文本蕴涵识别方法的问题,并提出了一种基于知识话题模型的文本蕴涵分类识别方法。 其假设是: 文本可看作是语义关系的组合,这些语义关系构成若干话题;若即若文本T蕴涵假设H,说明 T 和 H 具有相似的话题分布,反之说明T 和 H 不具有相似的话题分布。基于此,我们将 T 和 H 的蕴涵识别问题转化为相关话题的生成过程,同时将文本推理知识融入到抽样过程,由此建立一个面向文本蕴涵识别的话题模型。实验结果表明基于知识话题模型在一定程度上改进了文本蕴涵识别系统的性能。     

并行知识库机的知识划分及其推理

并行知识库机是一种采用并行处理技术来提高大规模知识库系统性能的专用机。其中，知识的划分及并行推理模型是两个关键问题。本文以产生式系统作为并行知识库机的基本知识表示方法，重点讨论产生式系统的划分和并行推理问题。     

DR图像缺陷检测的彩色合成方法

数字式X射线(DR)图像难以用一幅灰度图像同时显现不同壁厚部件的缺陷。为此,提出用一幅合成彩色图像显现缺陷的方法。对DR系统扫描铸件得到的浮点型数据,采用分段灰度拉伸的方法转换为3幅灰度BMP图像,其中,不同灰度段的图像含有被测铸件不同壁厚部件的缺陷,再将这3幅灰度图像合成为一幅彩色BMP图像。对其应用彩色C-V(Chan-Vese)模型分割缺陷,实验结果证明,该彩色合成方法能较好地分割出被测铸件不同壁厚部件的缺陷。     

A Recency Inference Engine for Connectionist Knowledge Bases

Knowledge-based neural networks (KBNNs) can be used as expert system knowledge bases. This approach shifts the interests in using connectionist knowledge bases for inferencing in an interactive fashion and giving reasonable justifications for their conclusions. The primary goal of this article is to present a good inference and control mechanism for such knowledge bases. For this purpose, the article develops a stand alone inference engine that uses a connectionist knowledge base, seeks to reduce the amount of data requested in order to reach a conclusion, and explains how a particular conclusion was reached. The inference engine was evaluated on illustrative example applications. Results obtained demonstrate that in spite of its simplicity the presented technique is superior to other techniques over sparse input knowledge bases.