基于神经网络的汉语文法分析专家系统的设计

本文提出了一种基于神经网络的汉语文法分析专家系统的设计方案。知识库采用产生式规则的知识表达方式，并将知识二元化存储在神经网络中。推理机采用神经网络进行推理。在论文的结尾给出了系统的运行实例，说明了该系统的有效性。     

DKBS／IDKE的知识处理

本文提出了分布式知识库系统中设计知识库和推理机的一些基本思想,并通过介绍实验系统 DKBS/IDKE 中知识处理的方法,对有关的知识表示、存储、管理、编译和推理等问题做了探讨。     

证券投资的神经网络专家系统

提出证券投资的神经网络专家系统结构，设计了知识获取、推理机、知识库和人机界面４个器件，分析了神经网络专家系统的预前技术。证券投资的实验设计和仿真实验结果表明，这种新的专家系统设计合理可行。     

一种基于任务分解的多知识库协同求解专家系统

针对特定领域的知识特点、知识表示方法及采用的推理模型,提出一种基于产生式规则的多知识库专家系统.该系统改进传统专家系统的框架设计,根据求解问题的类别划分将知识库分解成相应的子知识库,再将子知识库的知识规则按知识表示的深度加以分解,建立反映专家经验知识的浅层知识库和原理性知识的深层知识库.系统采用主推理机和从推理机二级推理方式,不同的子知识库采用相应的从推理机.从而任务单一,搜索范围减小,能快速形成待检目标集.主从推理机制与正反向推理结合,提高系统的推理效率.运用该系统模型建造的农业领域专家系统实例,运行效率得到改善,速度显著提高.     

基于构件的农业专家系统开发工具的设计与实现

本文描述了一个采用软构件技术的农业专家系统开发工具。系统通过使用构件技术，实现了知识库编辑、知识库编译和推理机等多个构件。     

神经网络在导弹故障诊断专家系统中的应用

介绍了基于BP神经网络的导弹故障诊断专家系统的主要实现方法，详细讨论了该专家系统的知识库设计、知识表示及样本选择，以及神经网络推理机的关键实现技术，最后结合某型导弹故障诊断特点给出仿真试验，证明将神经网络应用至专家系统中诊断快速、准确率高，具备较强的实用价值。     

专家系统在汽车故障诊断方面的应用

本系统从实用角度出发,根据发动机故障的复杂性,依据计算机数据结构原理,采用故障树的数据结构和关系数据库原理完成知识表示,建立了较完善的知识库,实现了确定性故障诊断所需的知识库和推理机。     

一种基于神经网络逆向推理机制的专家系统

本文提出了一种基于神经网络逆向推理机制的专家系统设计方案。论文研究了一种表达知识的二元产生式规则及其编码方法。通过编码，知识被存储在ANN中；基于ANN的知识库，论文设计了一种具有逆向推理机制的推理机。本文设计了一个原型系统，用于动物识别，经实验，取得较理想的效果，证明了该方法的有效性。     

消力池优化设计专家系统总体框架构建与研究

本文主要讨论了消力池优化设计专家系统的总体设计。根据消力池的具体特点，知识规则的表示方法和推理机的推理方法的设计均采用面向对象技术。系统主要是以数据库、知识库、模型库为数据源，利用推理机推理出最优消力池。另外，系统有机集成了人工智能技术、图像处理技术、仿真技术、数据库技术、模式识别技术等先进技术。     

嵌入式专家系统

本文所介绍的嵌入式专家系统在结构上采用了黑板模型，在知识表示和知识获取上采用了神经网络技术，其推理机则采用多种推理方法共存的方式，因此该系统能够实现在线实时控制。     

基于人工神经网络的葡萄病害诊断专家系统

设计了一种基于人工神经网络的葡萄病害诊断专家系统。以常见的18种主要的葡萄病害为研究对象,将专家知识转换为诊断规则,并作为学习样本输入神经网络进行训练,形成人工神经网络推理机。同时,采用知识库、规则推理和人工神经网络推理相结合的系统结构来优化专家系统,在提高专家系统自学能力的同时也提高了系统的响应速度。采用C#、Matlab和.NET技术混合编程实现专家系统,实验结果表明该系统有较高的诊断准确率并能稳定运行。该系统在Web上运行,更有利于系统的推广应用。     

Knowledge Incorporation into Neural Networks From Fuzzy Rules

The incorporation of prior knowledge into neural networks can improve neural network learning in several respects, for example, a faster learning speed and better generalization ability. However, neural network learning is data driven and there is no general way to exploit knowledge which is not in the form of data input-output pairs. In this paper, we propose two approaches for incorporating knowledge into neural networks from fuzzy rules. These fuzzy rules are generated based on expert knowledge or intuition. In the first approach, information from the derivative of the fuzzy system is used to regularize the neural network learning, whereas in the second approach the fuzzy rules are used as a catalyst. Simulation studies show that both approaches increase the learning speed significantly.     

基于词共现图的属性知识库迭代自增式扩展算法

属性知识库扩展研究中已有的开放式信息抽取方法都十分依赖深度句法分析或有效的词典规则,在短文本处理上效果较差,召回率较低.文中提出基于词共现图的属性知识库迭代自增式扩展算法,利用属性与属性值的共现关系扩展知识库,并设计基于图的社区发现算法,找出社区的核心节点.最后,设计基于卷积神经网络的模型对抽取结果进行去噪.在两个真实数据集上的实验表明,文中方法在抽取质量上优于现有方法.     

基于距离与图卷积网络的方面级情感分析

目前,基于卷积神经网络和循环神经网络的方面级情感分析研究工作较少同时考虑到句子的句法结构和词语的语法距离,且卷积神经网络和循环神经网络无法有效地处理图结构的数据.针对上述问题,提出了一种基于距离与图卷积网络的方面级情感分类模型.首先,为该模型设计了一个具有残差连接的双层双向长短期记忆网络,用于提取句子的上下文信息;然后,根据句法依赖树得到词语的语法距离权重,并根据词语之间的句法关系构建邻接矩阵;最后,采用图卷积网络结合句子的上下文信息、语法距离权重和邻接矩阵提取方面的情感特征.实验结果表明,模型是有效的且可获得更好的性能.     

基于神经网络结构学习的知识求精方法

知识求精是知识获取中必不可少的步骤．已有的用于知识求精的ＫＢＡＮＮ（ｋｎｏｗ ｌｅｄｇｅ ｂａｓｅｄ ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗ ｏｒｋ）方法,主要局限性是训练时不能改变网络的拓扑结构．文中提出了一种基于神经网络结构学习的知识求精方法,首先将一组规则集转化为初始神经网络,然后用训练样本和结构学习算法训练初始神经网络,并提取求精的规则知识．网络拓扑结构的改变是通过训练时采用基于动态增加隐含节点和网络删除的结构学习算法实现的．大量实例表明该方法是有效的     

地理信息知识获取Rough-NN模型研究

提出了一种粗糙集结合神经网络的粗糙集神经网络模型，对具有高度自相关性的地理信息进行知识获取．主要思想是利用辨别矩阵形成约简算法，得到最简的if-then规则；然后构造三层神经网络模拟最简规则，其中网络的输入输出由本文提出的参数训练方法确定．本文利用VB实现该模型，并对松花江流域的洪涝干旱灾情进行了仿真实验，结果表明该模型可以快速地获取最简的if-then规则，得到正确的决策结果．     

Constructing neural networks from expert system rules

The implementation of a PC-based expert system rules-to-neural network translator is described. Knowledge expressed as rules is translated to a neural network representation. The generated structure simulates a neural network which is able to perform as the original expert system—conclusions are drawn from user-supplied facts based on the inherent knowledge.