人工神经网络发展五十五年

１引言人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔ－ｗｏｒｋ，简称ＡＮＮ或ＡＮ２）是由大量简单的神经元按某种方式连接形成的智能仿生动态网络。它是在不停顿地向生物神经网络（ＢｉｏｌｏｇｉｃａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，简称ＢＮＮ或ＢＮ２）的学...     

人工神经网络及应用概述

本文分析了人工神经网络的工作原理和特点,并介绍几种典型的神经网络以及多层感知网络在手写体数字识别中的应用。     

利用人工神经网络进行无损检测的探讨

无损检测的问题可视为特殊的模式识别的问题，而人工神经网络是处理模式识别最有效的技术和方法之一。本文探讨用人工神经网络的方法进行无损检测，并特别给出了用误差反向传播网络进行无损检测的方法。     

分布式人工智能进展

随着并行计算机的开发成功,计算机网络技术的成熟,人们对于AI中的并发性与分布性越来越感兴趣,因而导致了分布式人工智能(DAI)的产生.对于DAI的研究始于七十年代末,经过十几年的研究,现已取得很大进展,并已开发出一些实用的系统.DAI的应用领域很广泛,对于那些知识或活动本质上是分布的,都可以用DAI方法来解决.当前,DAI的研究主要集中在结点(Agent)间的交互与通讯、一致性与协调、建立模型三个基本问题.而对于任务描述和分解以及结点间差异的研究很少,当然知识库(Knowledge Base)存取与DAI结合等等.本文力图对当前DAI基本问题的研究作一下综述,希望对于有志于从事DAI研究的人有一定帮助.     

基于XML知识管理的研究

本文首先分析了知识管理中知识表示的特点，接着提出了一个基于XML的知识管理模型KMM—BX，并给出了该模型一个应用的示例；在此基础上分析了该模型的特点。     

基于WWW的人工神经网络系统的实现方法

构造基于WWW的人工神经网络系统有着重要的意义。比较了各动态Web技术后选择Matlab的Web技术结合神经网络工具箱和数据库工具箱作为该系统的开发方案,并给出具体实现方法。     

建造带有人工神经元网络知识系统的一种方法

本文将人工神经元网络(在本文中简称神经元网络)考虑为在知识系统中的一类知识表达模型,并且引入神经元网络块的概念作为各种表达方法的桥梁。本文的另一点在于提出了“基于实例”的神经元网络求解的解释方法,它与传统的“基于踪迹”的解释方法有效地结合在一起,来完成对推理解释的任务。     

对规划理论研究现状的分析

1 引言现在不少人工智能(AI)研究者认为定义人工智能的一种方法就是将它看作是以构建具有智能行为的agent为目标的研究领域。从这种观点看,“agent”实际上就是人工智能的核心。自从80年代后期以来,关于agent理论及应用的研究取得了很大发展,目前agent是主流计算机科学,包括数据通讯、并行系统、机器人、用户接口设计等等的研究人员所讨论的一个主题。构建agent的经典方法是将它们看作特殊类型的基于知识的系统,这就是通常的符号方法,而相应的a-gent则被称为慎思的agent。一个慎思的agent包含对环境的确切描述的符号模型,并且其决策(例如应采取什么行动)都是基于模式识别或符号处理,通过逻辑推     

基于集成式知识表示的专家系统开发工具

本文针对工程应用中知识的特点，提出了一种新型的知识表示方法－集成式的知识表示，给出了这种知识表示的ＢＮＦ范式，并就如何这诸多类型的知识正确、高效地推理进行了详细读者论坛，同时给出了推理过程的算法。     

概念图知识表示方法的研究

本文简要介绍了一种新的知识表示方法－概念图;详细论述了概念图知识表示的机器内部实现方法以及在推理过程中如何实现概念图之间的匹配。     

定性空间推理的研究与进展

定性空间推理是人工智能学科处理常识性空间知识的一种方法[l],其推理任务包括图:推导知识库中的隐含知识;针对给定的部分知识或特定的上下文回答询问;维护一致性;获取新知识特别是认知图;定性场景描述的可视化。     

基于人工神经网络的知识获取方法

知识获取是研制和开发专家系统的瓶颈。本文从三个方面研究了基于神经网络的知识获取方法,即通过实例学习获取知识、基于神经网络的知识求精以及从神经网络提取规则知识,分析了各自的原理及其存在的问题。     

基于约束agent的知识库结构研究

用约束ａｇｅｎｔ表示知识，给出了其设计与实现，提出了基于类比推理的约束满足模糊匹配算法和基于约束ａｇｅｎｔ的知识库系统的体系结构，其特点晃引入约束ａｇｅｎｔ时不增加额外概念就可实现受约束知识的处理，为开发专家系统提供了一种新的知识处理方式。     

基于非单调推理的领域专家知识库的研究

1.知识表示及推理概况知识库在人工智能研究中占有重要地位。Gins-berg等人介绍了多种知识库更新方法,其中一类是基于模型的方法,一类是基于公式的方法,但所有这些方法在通常情况下都是难解的(intractable)。对基于模型的方法,Eiter指出,当知识库是Horn公式的集合,新知识是Horn公式且长度有一常数上界时,存在多项式时间算法。马绍汉提出一类树型知识库的更新算法,在树型的束图智能方式表示下,该算法通过一个自底向上的过程,得到更新后的知识库。确定推理的研究是基于经典的二值逻辑,因而,具有相当牢固的基础,而不确定推理的研究却是另一种情形。不确定推理的基础比确定推理的基础要弱得多。到目前为止,甚至还没有获得人们普遍接受的基础。不确定推理面对下面几个问题:(1)如何正确地、定性地刻画一个命题的不确定性?(2)如何适当地度量一个命题的不确定性?     

语义网络中的性质继承

语义网络是知识表示的一种重要形式,网络表示的特性之一是处理性质的继承问题,但早期的网络表示法不能处理带有例外的情形,因而无法实现非单调推理。最早把多元继承与非单调推理结合起来的基本思想是树型继承系统的直接扩展,然而这种系统并非十分有效。本文介绍语义网络的各种表示及其上的推理,包括最短路径法,标志传播法,E&R方法和推理距离排序法,并讨论了带有例外的语义网络产生不一致性的四个方面。     

典型：一种面向对象的知识表示模式

可以肯定,知识本身就是“面向对象”的。那么,能否为知识的表示(即形式化)找到一种面向对象的模式呢?回答几乎也是肯定的——典型便是它的一种理想模式。典型作为一种表示知识的概念模式不仅在 CAD 系统中正得到重视和应用,而且在其它知识处理领域中也将有美好的应用前景。目前面向对象的概念引起了普遍的关注,本文将从面向对象出发对典型这一模式给以较深入的讨论。一、认知活动中的典型在人类认知活动中,人们往往借助“类”(class)去区分万事万物,于是众多的事物可被分为各种各样的类,整个世界也就成了一个类体系。另一方面,类中的事物也有     

从知识表示到表示:人工智能认识论上的进步

知识表示是对智能进行模拟的一个数学模型,然而它可以不是一个对智能本质的描述,特别是传统的符号主义知识表示离揭示人的智能行为发生的内在过程还有很大的差距,在神经科学和心理学的指导下,通过对智能行为的生理基础和心理过程的研究,遵循“解释智能”的思想,可以得到对知识的心智表示的新认识,这种表示观的不同,预示着人工智能方法论上的进步。