一个基于神经网络的专家系统

医疗专家系统主要使用基于知识的技术，其中的决策规则和策略来自于人类的专家。把这些知识和各种推理方法结合，可以建立一个模拟专家决策过程的系统。建立这样一个系统，需要经常与专家磋商，以获取专家的知识，因而需要大量的时间和精力。为此，本文提出直接从数据中提取有效的信息，即用神经网络提取隐含在大量数据中对医疗诊断有效的信息，继之与基于规则的知识，各种推理方法相结合，建立一个神经网络专家系统。     

基于神经网络的专家系统控制器

采用平衡的倒摆小车所记录下来的数据，经处理后用有师学习方法来训练前馈神经网络。训练后的神经网络可以替换专家，并且表示了一组专家尚未意识到或者表达不出来的规则。用神经网络表示的规则与使用Ｑｕｉｎｌａｎ的ＩＤ３推理算法推导出的规则进行了比较。实验结果表明，神经网络算法学习出来的规则较ＩＤ３算法推导出的规则更为有效，且更有应用价值。本文最后尝试将该规则应用于火箭的姿态控制。     

采金船开采技术咨询专家系统

应用专家系统理论，以Torboprolog语言为开发工具，建立了采金船开采技术咨询专家系统，并对该系统的结构、功能、知识表示和推理策略进行了阐述。     

PReSENt: A Collaboration Framework for Resource Sharing in Wireless Mesh Networks

Many protocol particulars developed for the wireless mesh networks, such as multi-path routing, channel assignment, topology control, assume that a network-wide collaboration is available to establish connections to the network outside. However, the collaboration can be easily discouraged in the presence of selfish behaviors, referred to as free-riding. In this paper, we propose a framework, PReSENt, to promote and make more secure the practices of collaboration among nodes by securing a compensation to the collaboration. When the PReSENt is enabled in wireless mesh networks, a node accumulates credits, an amount quantifying its resource provision when it provides its resource for other nodes. The nodes consuming the resource publish rewards, an amount quantifying their resource usage. The credits are used to guarantee the resource sharing for the provider from the customers in the future, whose amount is proportional to its relative contribution to the network-wide collaboration. The rewards are used to validate their corresponding credits in order to prevent false accumulations of the credits in selfish nodes. We formally define the underlying security model of the PReSENt and prove that the PReSENt is secure in the random oracle model. We then implement the PReSENt in J-Sim to illustrate its operational behaviors with respect to correct and secure resource sharing.     

基于专家系统和Petri网的网络可靠性评估方法

针对网络系统可靠性建模难的问题,结合专家系统和Petri网理论各自的特点,提出了一种基于知识库系统的Petri网可靠性评估方法。首先引入模糊神经Petri网的定义和适用于网络系统可靠性建模的引发规则,然后在此基础上提出一种学习算法,其既可以表示和处理模糊产生式规则的知识库系统,又具有学习能力。最后以一个无向网络的可靠性评估为例,并通过定性分析和定量计算,验证了算法的合理性和有效性。     

基于面向对象方法的电气工作票专家系统

文章论述了用面向对象(OOP)的方法开发的电气工作票专家系统的实现方法、功能、组成及其具有的特点。从实践中证明了采用面向对象的方法开发电气工作票专家系统,一方面可以提高开发效率;另一方面使系统具有通用性,可维护性和可扩充性。     

一种有效的多时钟网络时钟树综合方案

时钟树综合在芯片设计后端物理设计过程中,对于保证数字集成电路的时序是非常重要的。针对设计中存在的分频时钟,在时钟树综合时,将源时钟和分频时钟放在同一个时钟树中,把分频时钟的时钟网络作为源时钟的子树,很好地解决了分频时钟和源时钟之间的时钟偏移,满足了同步时序要求。该方法用于实际设计项目中,取得了非常好的效果。     

一种自顶向下挖掘长频繁项的有效方法

Apriori算法已经成为关联规则挖掘中的经典算法 ,被广泛地用于商业决策、银行贷款、金融保险等几乎所有的关联规则挖掘领域之中 该方法是一种自底向上的有效挖掘方法 ,对于长频繁项 (如 10 0个项目 )该方法会遇到非常耗时的巨大计算问题 采用了一种新的自上而下挖掘方法 ,提出了事务项目关联信息表、关键项目、项目约简、投影数据库等新概念 ,利用投影、约简等方法在候选项集生成过程中及时修剪重复分支 ,使算法的实际效率大为提高 ,较好地解决了长频繁项的挖掘问题 通过计算机实验和算法分析证明了这种挖掘方法的有效性和完备性 新算法的计算复杂度与项目集平均约简项长度有关 ,估计为 0 5×M3 N×O(2 S×N′2 ) 其中 ,S为系统在用户给定最小支持度条件下的平均约简项长度 ,N′是数据库所对应关系的元组数 ,N为记录数 ,M为项目集平均长度 对于长频繁项来说S很小 ,计算复杂度接近多项式时间     

Comax: An Expert System for Cotton Crop Management

Expert systems are computer programs that perform at the level of a human expert. An expert system has been developed that acts as an expert in managing a cotton crop. The system operates by using as its source of knowledge a sophisticated computer program which simulates the cotton plant growth, plus a set of if-then type rules, plus a computer program called an inference engine. Comax determines the best strategy for irrigating, for applying fertilizer and for applying defoliants and cotton boll openers. Weather stations in the cotton fields automatically report local temperatures, radiation and precipitation to the system. Comax reevaluates its recommendations daily. Comax has been tested on several farms with excellent results. This system is currently in use by over 400 cotton growers.     

Nimble:一种适用于OpenFlow网络的快速流调度策略

突发流量是导致网络拥塞和丢包的重要原因之一.减少网络拥塞的一种方法是在多条可达路径间均衡网络流量,如等价多路径(Equal-Cost Multi-Path,ECMP)路由.然而,大多数等价多路径路由或者静态地将不同的流/数据包哈希到不同的路径,或者依赖于局部的/过时的路径状态信息.OpenFlow技术利用集中式控制器控制网络行为,为控制器根据全局网络状态信息进行动态的数据流优化提供了可能.然而,采用基于轮询的网络状态探测机制在处理突发流量问题上面临诸多困难.文中提出一种用于OpenFlow网络的快速流调度策略,称为Nimble.Nimble架构扩展了OpenFlow协议的packet-in消息,由网络设备自主监测设备状态,并在网络出现拥塞时通过扩展的packet-in消息主动向控制器通告拥塞信息.模拟结果显示Nimble策略能够以近于零的时延检测网络链路拥塞,从而有效提高网络性能.     

Expert systems: An application in flexible manufacturing

Flexible manufacturing systems (FMS) are needed to provide manufacturing operations with the capability to adjust, in real time, to changes in the manufacturing environment. Realization of the goals of flexible manufacturing is governed by the ability of the FMS to maintain adequate information on the factory to assist in generating scenarios from product planning to operations and performance. This leads to a view where the factory is represented as an integrated information system. To facilitate the analysis of information requirements and the design of information systems for flexible manufacturing, an expert support system (ESS) which can be used to model and study the various structures is described. This ESS uses the information cell model to build these information structures. Petri net representations of these structures and their interactions are then constructed. The ESS may now be used to exercise these models and study their performance using time and cost measures.     

神经网络在泵送专家系统中的研究和应用

混凝土泵送技术的复杂性和模糊性一直都是靠领域专家的经验来解决的。神经网络在专家系统中的应用是在人工智能方面的重大发展,它克服了传统专家系统在知识获取和表达上的薄弱环节,由于模拟了大脑的思维性,推理机制比产生式推理优越许多。基于神经网络的专家系统只需要领域专家解决问题的实例或范例来训练神经网络,使在同样输入的情况下神经网络能够得到与专家给出的解答尽可能相同的输出,而且解答的精度可用它与专家解答之间的均方差的准则来度量。文中介绍了BP神经网络在专家系统中的知识获取和表示以及推理机制问题。     

A Task Execution Framework for Cloud-Assisted Sensor Networks

As sensor networks are increasingly being deployed, there will be more sensors available in the same region, making it strategic to select the suitable ones to execute users＇ applications. We propose a task execution framework, named sTaskAlloc, to execute application energy efficiently by two main parts. First, considering that the energy consumption of an application is inversely proportional to the utilization rate of sensors, we present a hot sensor selection algorithm, HotTasking, to minimize the energy consumption of new added applications by selecting the most suitable sensor. Second, when a sensor is shared by multiple applications, proposed MergeOPT （a concurrent tasks optimization algorithm） is used to optimize energy consumption further by eliminating redundant sampling tasks. Experimental results show that sTaskAlloc can save more than 76% of energy for new added applications compared with existing methods and reduce up to 72% of sampling tasks when a sensor is shared by more than 10 applications.     

复杂网络的一种快速局部社团划分算法

为了快速准确地寻找大规模复杂网络的社团结构,文中基于节点度优先的思想,提出了一种新的寻找复杂网络中的局部社团结构的启发式算法.该算法的基本思想是从待求节点出发,基于节点的度有选择性的进行广度优先搜索,从而得到该节点所在的局部社团结构.由于该算法仅需要利用到节点的局部信息,因此时间复杂度很低,达到了线性的时间复杂度.将该算法应用于社会学中经典的Zachary网络,获得了满意的结果.最后,还分析了如何对该算法加以改进以进一步提高准确度.     

An Efficient Two-Phase Model for Computing Influential Nodes in Social Networks Using Social Actions

在社会网络的影响的测量在数据采矿社区收到了很多注意。影响最大化指发现尽量利用信息或产品采纳的有影响的用户的过程。在真实设置,在一个社会网络的一个用户的影响能被行动的集合建模(例如,份额,重新鸣叫,注释) 在其出版物以后由网络的另外的用户表现了。就我们的知识而言,在文学的所有建议模型同等地对待这些行动。然而,它是明显的一工具少些比一样的出版的份额影响的一份出版物相似。这建议每个行动有它影响的自己的水平(或重要性) 。在这份报纸,我们建议一个模型(叫的社会基于行动的影响最大化模型, SAIM ) 为在社会网络的影响最大化。在 SAIM,行动没在测量一个个人的影响力量同等地被考虑,并且它由二主要的步组成。在第一步,我们在社会网络计算每个个人的影响力量。这影响力量用 PageRank 从用户行动被计算。在这步的结束,我们得到每个节点被它的影响力量在标记的一个加权的社会网络。在 SAIM 的第二步,我们计算一个新概念说出 influence-BFS 树的使用的有影响的节点的一个最佳的集合。在大规模真实世界、合成的社会网络上进行的实验在计算揭示我们的模型 SAIM 的好表演,在可接受的时间规模,允许信息的最大的传播的有影响的节点的一个最小的集合。     

一种有效的基于生活熵的移动用户分类算法

从海量移动用户通话记录中,根据用户的行为模式对用户进行分类挖掘.主要贡献包括:1)提出了生活熵的概念,用以刻画移动用户行为的规律性;2)提出基于生活熵的个人用户行为的分类算法;3)在大量真实移动数据集上进行了实验分析.利用本文提出的方法,可以有效的根据用户的行为特征对移动用户进行分类,在移动客户分析方面有较大的应用前景.     

基于用户-标签异构网络的社区问答专家发现方法

在Stack Overflow、Quora等社区问答网站中,日益增长的用户数使新问题数量急剧增加,传统的专家发现方法通常根据历史回答记录建立用户文档,再从中提取用户文本特征,难以及时寻找到合适的专家进行回答。针对该问题,提出一种社区问答中基于用户-标签异构网络的专家发现方法。根据用户历史回答记录和问题的附带标签构建用户-标签网络,以此得到用户的向量表示。在此基础上,使用全连接神经网络提取用户特征和问题文本特征,通过比较两者的余弦相似度得到候选专家列表。基于StackExchange的真实世界数据集进行测试,实验结果表明,与LDA、STM、RankingSVM和QR-DSSM方法相比,该方法的MRR指标值较高,能够准确寻找到可提供正确答案的专家。     

A Multimedia Data Mining Framework: Mining Information from Traffic Video Sequences

The analysis and mining of traffic video sequences to discover important but previously unknown knowledge such as vehicle identification, traffic flow, queue detection, incident detection, and the spatio-temporal relations of the vehicles at intersections, provide an economic approach for daily traffic monitoring operations. To meet such demands, a multimedia data mining framework is proposed in this paper. The proposed multimedia data mining framework analyzes the traffic video sequences using background subtraction, image/video segmentation, vehicle tracking, and modeling with the multimedia augmented transition network (MATN) model and multimedia input strings, in the domain of traffic monitoring over traffic intersections. The spatio-temporal relationships of the vehicle objects in each frame are discovered and accurately captured and modeled. Such an additional level of sophistication enabled by the proposed multimedia data mining framework in terms of spatio-temporal tracking generates a capability for automation. This capability alone can significantly influence and enhance current data processing and implementation strategies for several problems vis-à-vis traffic operations. Three real-life traffic video sequences obtained from different sources and with different weather conditions are used to illustrate the effectiveness and robustness of the proposed multimedia data mining framework by demonstrating how the proposed framework can be applied to traffic applications to answer the spatio-temporal queries.     

印染行业温度控制的专家式PID参数自整定研究

本文提出一种专家式PID自整定算法,并针对印染行业的对象模型进行了实验仿真.论文叙述了算法的设计思想、实现过程以及仿真实验结果.通过大量仿真实验,该算法能够有效的对PID参数进行自整定收敛,效果明显.