人工智能应用中基于区间代数的时态推理

时态表示和推理是人工智能领域的重要研究内容之一,它的应用范围分布很广,从逻辑基础研究到知识系统的应用。区间代数是一种独立的与领域无关的时态理论。用区间代数能表示不确定的时态关系,可以很方便的用于时态推理,表达能力强;时态关系的区间表示比较直观,可理解性强;同时区间代数可以进一步扩展到二维空间领域,即将区间代数拓展为矩阵代数,实现二维空间推理。在一维时态推理中,将时态的区间表示和矩阵表示相结合,在提高计算效率的同时,保持了形象直观的时态表示。     

概念知识表示和推理

Nilsson教授首先提出了代数格应用于概念知识表示的思想．其优点在于知识表示的代数特性和图示特性，在此基础上．表文把代数格与PROLOG相结合．定义了一种基于概念的逻辑编程语言．其语言具有比PROLOG更抽象、更方便的编程风格．此外．给出了该逻辑编程语言的匹配算法．     

应急系统中不确定时态知识表示及其推理

在分析现有不确定信息表示模型基础上,提出了一种可扩展的时态知识表示模型,该模型对真实事件的间断性表示加以改进,进而讨论了应急决策知识库的构建方法和相应推理机制。实验数据表明,在原型系统中使用改进后的表示模型和推理方法,能够提高应急系统处理效率和决策方案的合理性。     

不确定时态信息表示的统一模型

时态信息表示和推理是人工智能研究中的一个重要课题,现有的模型大多只能表示确定时态信息,然而现实生活中很多事件的发生结束等时态信息都是不确定的。故提出了一个表示不确定时态信息的统一模型,可用于描述各种具有确定或不确定时态信息的事件。该模型首先定义各类时态对象(如时间点、时间区间)以及它们之间的关系,并给出时态对象间的传递关系表,利用该表能进行时态一致性约束满足问题的求解。最后,给出了两个不确定时态推理的例子,表明了该模型的实际应用意义。     

INDU网络对于战场动态协同的支持

为了在多维战场上赢得胜利．我军必须做到诸作战单元之间的精确协同。本文分析了战场上动态协同的各种情况，描述了战斗动作间的时态依赖和逻辑依赖，介绍了区间代数的扩展—INDU网络，并利用它来支持战场上的动态协同。     

基于扩展描述逻辑和逻辑程序的事件动作形式化表示与推理

"事件"是比"概念"粒度更大的人类知识表示单元,更接近于人类的认知过程。动作作为事件的一个重要要素,表示事件中对象的状态的变化过程。在状态的变化过程中加入时间信息,将动作表示为对象的状态随时间变化而变化的过程,使得动作描述得更加具体。运用事件中的动作、对象和时间要素构建了一个动作形式化体系,研究了事件知识中确定性动作和不确定性动作的语法表示和语义解释。该形式化体系将扩展的带时间维的描述逻辑T-ALC和逻辑程序设计进行整合,增强了动作的表达能力;在动作的推理中,将确定性动作转化为逻辑程序Datalog规则实现动态推理,将不确定性动作转化为Datalog规则实现不确定推理。最后通过银行服务系统实例对动作的形式化表示和推理进行了验证。     

基于模糊粗糙集的知识系统证据推理

针对Dubois模糊粗糙集、Radzikowska模糊粗糙集、双论域上的模糊粗糙集,分别定义各自对应的模糊信任(似然)函数,证明模糊信任(似然)函数等于其对应的模糊集的下(上)近似质量,据此建立模糊决策表的证据推理模型.实例表明,该模型是行之有效的.     

基于间断区间的时态知识表示

一般,用逻辑形式表示时态信息的方法是命题附加一个时间点或时间区间。文［１］指出,时间区间表示单个事件带间断区间是困难的,不过,文［１］定义两个间断区间的时态关系为一个矩阵,其计算量相当之大以至该方法不实用二本文给出一个基于间断区间的时态知识表示模型,它将两个间断区间的时态关系分为２０种,其计算量与Ａｌｌｅｎ的区间演算属同一数量级。     

模糊概念图知识表示及其推理机制研究*

通过对现有模糊概念图的研究,针对概念的所指域与模糊信息间的冗余问题和用模糊度表示模糊概念问题,提出一种改进的模糊概念图知识表示方法。在改进的模糊概念图中,用模糊集合表示概念图中的模糊概念和模糊关系,并将模糊概念的所指域同模糊集合合并,减少信息冗余。根据改进的模糊概念图,重点研究了模糊概念图的匹配推理机制,设计了基于语义约束的匹配推理算法,并定量分析了算法的时间复杂度和空间复杂度。经过在《计算机文化基础》课程中实验测试,算法反映了考生主观题的答卷情况,同人工阅卷结果基本一致。     

知识与常识的表示和推理

一、引言无疑,常识(Common Knowledge)的表示和推理是知识领域中极其关键的研究问题,因为常识的特殊性质使它在多主体(Multi-agent)协同推理、通讯中起着重要的作用。可以看到,对于多主体的问题如三个聪明人问题,Conway问题乃至更一般的博奕理论,分布式处理等,都将涉及到超越个体知识和事实之上的更高层次的知识,这就是常识。常识     

Representation and Reasoning with Multi-Point Events

Allen's Interval Algebra (IA) and Vilain & Kautz's Point Algebra (PA) consider an interval and a point as basic temporal entities (i.e., events) respectively. However, in many situations we need to deal with recurring events that include multiple points, multiple intervals or combinations of points and intervals. In this paper, we present a framework to model recurring events as multi-point events (MPEs) by extending point algebra. The reasoning tasks are formulated as binary constraint satisfaction problems. We propose a polynomial time algorithm (based on van Beek's algorithm) for finding all feasible relations. For the problem of finding a consistent scenario, we propose a backtracking method with a local search heuristic. We also describe an implementation and a detail empirical evaluation of the proposed algorithms. Our empirical results indicate that the MPE-based approach performs better than the existing approaches.     

不确定规则推理在预测算法中的应用

文章针对海洋渔业资源的多种预测算法得到的结果集,提出了以框架的知识表示理论为基础的不确定规则推理预测系统修正算法,利用框架系统ＫＢＩＦ（Ｋｎｏｗｌｅｄｇｅ Ｂａｓｅ ｉｎ Ｆｒａｍｅ）的知识表示理论与黑板结构、不确定推理相结合对预测算法根据不同环境参数进行多种方式的修正,可以对系统预测结果进行有效的分析,以期得到更好的应用。     

基于描述逻辑的模糊ER模型的表示与推理

重点分析了将ER模型分别转化为描述逻辑ALNUI知识库和DLR知识库的不同之处.在深入研究了描述逻辑DLR的基础之上,对DLR进行了模糊化扩展,提出了一种新的模糊描述逻辑FDLR(fuzzyDLR).定义了FDLR的语法结构、语义解释以及知识库的形式,研究了如何将模糊ER模型转化为FDLR的知识库.通过一个转化实例例证了FDLR能够很好地对模糊ER模型进行表示,并利用FDLR的推理机制研究了模糊ER模型的自动推理问题,同时给出了上述转化和推理问题的正确性证明.     

基于模糊推理的多媒体农业专家系统及其开发工具

该文应用面向对象思想和方法,分析了农业知识的特点,设计并实现了一个农业专家系统的开发工具,并使用该开发工具设计了花椰菜栽培技术专家系统和龙眼栽培技术专家系统。     

机器推理的进展与展望

机器学习算法的发展仍受到泛化能力较弱、鲁棒性较差、缺乏可解释性等问题的限制.文中介绍机器推理,说明推理对于机器学习人的知识和逻辑、理解和解释世界的重要作用.首先分析人类大脑推理机制,从认知地图、神经元和奖赏回路,扩展到受脑启发的直觉推理、神经网络和强化学习.进而总结机器推理的方式及其相互关联的现状、进展及挑战,具体包括直觉推理、常识推理、因果推理和关系推理等.最后展望机器推理的应用前景与未来的研究方向.     

故障模糊预测系统推理机制研究

根据故障模糊预测系统的特点,应用模糊综合评判理论,提出了一种面向故障预测问题的推理运算模型及推理控制策略。     

不确定性多属性决策中的ER方法改进

基于对不确定性多属性决策问题中ER方法的研究,提出一种不确定性多属性决策中的改进ER方法,井证明该方法完全满足证据合成的4个公理．通过实例运算,进一步验证了新方法的有效性和合理性．     

融合案例推理与规则推理的设备采购决策支持系统

对制造行业新产品试制部门的设备采购过程进行了分析，指出其对于整个企业制造过程的重要性，说明采购决策支持系统的引入的必要性，并将基于案例推理与基于规则推理相结合，构造了混合框架的推理系统及相应的案例表示结构，解决了设备采购等复杂决策领域中决策支持系统冗余推理的问题。最后将该混合推理框架及案例表示结构应用于某大型跨国制造企业试制部门的决策支持系统中，取得了较好的效果。     

Modelling and solving temporal reasoning as propositional satisfiability

Representing and reasoning about time dependent information is a key research issue in many areas of computer science and artificial intelligence. One of the best known and widely used formalisms for representing interval-based qualitative temporal information is Allen's interval algebra (IA). The fundamental reasoning task in IA is to find a scenario that is consistent with the given information. This problem is in general NP-complete.In this paper, we investigate how an interval-based representation, or IA network, can be encoded into a propositional formula of Boolean variables and/or predicates in decidable theories. Our task is to discover whether satisfying such a formula can be more efficient than finding a consistent scenario for the original problem. There are two basic approaches to modelling an IA network: one represents the relations between intervals as variables and the other represents the end-points of each interval as variables. By combining these two approaches with three different Boolean satisfiability (SAT) encoding schemes, we produced six encoding schemes for converting IA to SAT. In addition, we also showed how IA networks can be formulated into satisfiability modulo theories (SMT) formulae based on the quantifier-free integer difference logic (QF-IDL). These encodings were empirically studied using randomly generated IA problems of sizes ranging from 20 to 100 nodes. A general conclusion we draw from these experimental results is that encoding IA into SAT produces better results than existing approaches. More specifically, we show that the new point-based 1-D support SAT encoding of IA produces consistently better results than the other alternatives considered. In comparison with the six different SAT encodings, the SMT encoding came fourth after the point-based and interval-based 1-D support schemes and the point-based direct scheme. Further, we observe that the phase transition region maps directly from the IA encoding to each SAT or SMT encoding, but, surprisingly, the location of the hard region varies according to the encoding scheme. Our results also show a fixed performance ranking order over the various encoding schemes.