列车专家控制系统的知识表示研究

首先提出了一种列车专家控制模型,然后就列车专家控制系统的知识表示及推理进行了分析,并给出其结果。     

一种建筑施工技术知识表示方式的研究与实现

对一个知识管理系统而言,选择一种合适的表示方式至关重要。鉴于建筑施工技术知识的复杂性和多样性,一种知识表示方法无法合理全面地表示所有的知识,该文融合框架理论、产生式规则、过程表示等知识表示方法的特点,以面向对象的思想进行标识和描述,以自然语言的方式展示,提出了一种适应建筑施工领域知识特点的混合知识表示方法,同时给出了知识库在关系数据库中的实现及建筑施工领域内大部分的简单规则推理的方法。     

基于RBR和CBR规划中的知识表示方法研究

"知识"是"规划"的前提和基础,通过归纳对已有"知识"的表示,就成为了"规划"的先行条件.基于"规则"和"案例"的规划是各种现代规划器常用的两种规划方式,通过对现有的"规则"和"案例"的各种知识表示方法的研究,描述了其各自的优缺点,并给出了如何选择合适的知识表示方法以处理特定规划问题的方法和思想,从而更快,更好的构建能够解决实际问题的规划系统.     

空间网络间的空间关系的表示和推理

空间网络间的空间关系的表示和推理在空间数据库领域具有重要的意义.为了对复杂的空间网络间的空间关系进行定义和区分,首先提出了空间网络间的空间关系的谓词表示和交集模型表示方法,给出了空间网络间的空间关系模型的特征条件式和蕴涵条件式,进一步给出了空间网络间的空间关系的划分定理和推论;系统研究了空间网络间的空间关系的推理方法,针对空间网络间的空间关系推理特点,提出了推理相斥规则和推理蕴涵规则.研究成果为空间网络间的空间关系在空间数据库中的应用奠定了基础,极大地增强了空间数据库处理复杂对象的空间关系的能力.     

关于用VB实现知识推理的研究

专家系统核心部分也是难点部分是知识的表示与推理,为了更好地实现专家系统的诊断功能,在典型的故障诊断的各种征兆已广泛用于故障的判断情况下,利用VB和Access数据库,实现了故障的知识推理,可视性强。为故障预报和故障诊断模块提供了分析基础。     

基于知识表示学习的KBQA答案推理重排序算法

现有的知识库问答（KBQA）研究通常依赖于完善的知识库,忽视了实际应用中知识图谱稀疏性这一关键问题。为了弥补该不足,引入了知识表示学习方法,将知识库转换为低维向量,有效摆脱了传统模型中对子图搜索空间的依赖,并实现了对隐式关系的推理,这是以往研究所未涉及到的。其次,针对传统KBQA在信息检索中常见的问句语义理解错误对下游问答推理的错误传播,引入了一种基于知识表示学习的答案推理重排序机制。该机制使用伪孪生网络分别对知识三元组和问句进行表征,并融合上游任务核心实体关注度评估阶段的特征,以实现对答案推理结果三元组的有效重排序。最后,为了验证所提算法的有效性,在中国移动RPA知识图谱问答系统与英文开源数据集下分别进行了对比实验。实验结果显示,相比现有的同类模型,该算法在hits@n、准确率、F1值等多个关键评估指标上均表现更佳,证明了基于知识表示学习的KBQA答案推理重排序算法在处理稀疏知识图谱的隐式关系推理和KBQA答案推理方面的优越性。     

结合向前状态预测和隐空间约束的强化学习表示算法

虽然深度强化学习能够解决很多复杂的控制问题, 但是需要付出的代价是必须和环境进行大量的交互, 这是深度强化学习所面临的一大挑战. 造成这一问题的原因之一是仅依靠值函数损失难以让智能体从高维的复杂输入中提取有效特征. 导致智能体对所处状态理解不足, 从而不能正确给状态分配价值. 因此, 为了让智能体认识所处环境, 提高强化学习样本效率, 本文提出一种结合向前状态预测与隐空间约束的表示学习方法(regularized predictive representation learning, RPRL). 帮助智能体从高维视觉输入中学习并提取状态特征, 以此来提高强化学习样本效率. 该方法用前向的状态转移损失作为辅助损失, 使智能体学习到的特征包含环境转移的相关动态信息. 同时在向前预测的基础上添加正则化项对隐空间的状态表示进行约束, 进一步帮助智能体学习到高维度输入的平滑、规则表示. 该方法在DeepMind Control (DMControl)环境中与其他的基于模型的方法以及加入了表示学习的无模型方法进行比较, 都获得了更好的性能.     

融合知识表示和深度强化学习的知识推理方法

知识推理是解决知识图谱中知识缺失问题的重要方法,针对大规模知识图谱中知识推理方法仍存在可解释性差、推理准确率和效率偏低的问题,提出了一种将知识表示和深度强化学习相结合的方法RLPTransE。利用知识表示学习方法,将知识图谱映射到含有三元组语义信息的向量空间中,并在该空间中建立强化学习环境。通过单步择优策略网络和多步推理策略网络的训练,使强化学习智能体在与环境交互过程中,高效挖掘推理规则进而完成推理。在公开数据集上的实验结果表明,相比于其他先进方法,该方法在大规模数据集推理任务中取得更好的表现。     

经典选择排序算法研究和实现

介绍了计算机算法特别是排序算法的概念,以及评估算法性能的指标。然后介绍了常见排序算法,重点研究了选择排序的原理,并进行具体的实现,并分析了该算法的时间和空间复杂度。     

基于RDF的知识表示到语义网络语言SNetL的转换研究

资源描述框架RDF是处理元数据的基础,它提供了Web上应用程序间机器能理解的信息的互操作性能;语义网络语言SNetL是语义网络的形式化描述语言。本文提出了从RDF知识表示到SNetL语言转换的思想与算法。     

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。     

数据信息知识策略的演化及其表示的研究

该文结合人类自身认识世界和优化世界的决策过程,分别研究了数据与信息,信息、知识与策略的内涵和他们之间的关系,讨论了知识的各种表示方式,重点分析了面向对象的知识表示方法并提出了基本描述框架,总结了由数据生成信息、信息抽象成知识、知识激活智能的过程,为探索智能的生成机制提供一条重要思路。     

基于XML知识表示方法的研究进展

综述了近年来基于XML的知识表示方法的研究进展。分别从基于XML的知识表示方法、研究现状和具体应用情况进行介绍,展望了XML知识表示方法的未来研究方向和发展前景。     

基于WFPN的PAAIS知识表示及校验研究

驾驶员辅助决策人工智能系统(PAAIS)是辅助飞机驾驶员进行决策的智能系统,其核心是知识处理。以加权模糊Petri网(WFPN)表示PAAIS知识库中模糊产生式规则,并提出有效的模糊推理算法。针对PAAIS具有多个领域知识库的特点,提出基于WFPN的多知识库校验算法。     

面向维修专家系统中维修知识的组织与表达研究

针对复杂装备系统的特点,文章首先对复杂装备系统概念树的建立进行了描述,在建立概念树的基础上,提出了一种面向对象基于框架和规则集成的维修知识表示方法,最后给出了概念树维修对象的描述实例。     

藏文字框架知识表示的研究

该文引入框架知识思想,对框架知识的构成过程进行了举例分析,并根据框架知识的构成、结构描述、内部组织、内部表示等,研究了藏文字框架知识表示的若干问题,构建了藏文字框架结构的描述以及藏文字框架系统。从而为进一步的藏语词汇、短语系列的框架知识的研究以及藏文字框架知识系统的实现奠定了基础。     

智能组卷系统中专家知识的表示与实现

该文对组卷问题进行了深入的研究,确定了组卷问题中一类专家知识,并给出了相应的表现形式和实现途径。实验表明,将这类专家知识应用到组卷系统中使系统能很好地模拟人的思维,实现智能组卷。     

时序知识图谱表示与推理的研究进展与趋势

知识图谱作为近年来人工智能领域的一大热点研究方向, 已应用于现实中多个领域. 但是随着知识图谱应用场景日益多样化, 人们逐渐发现不随着时间改变而更新的静态知识图谱不能完全适应知识高频更新的场景. 为此, 研究者们提出时序知识图谱的概念, 一种包含时间信息的知识图谱. 对现有所有时序知识图谱表示与推理模型进行整理, 并归纳和建立一个表示与推理模型理论框架. 然后基于此对当前时序表示推理研究进展进行简要介绍分析和未来趋势预测, 以期望帮助研究者开发设计出更为优异的模型.     

基于稀疏表达的图像超分辨率算法实现*

基于学习的超分辨率算法利用样本先验信息重建高分辨率图像,在遥感、刑侦和医学图像领域有着广泛应用。论文分析了前沿的基于稀疏表达的图像超分辨率算法,实现了该算法功能,为了便于基于稀疏表达超分辨率算法的应用,论文设计并实现了基于对话框和参数调节控件的图像超分辨率算法框架,实验结果表明论文实现的算法框架具有良好的可用性和拓展性。