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。     

相对正确度及其在知识求精中的应用

本文提出了“相对正确度”概念及其形式化描述,并给出了它的具体计算公式,以及基于该概念的多专家系统环境中的知识求精方法。     

网络告警知识发现研究与实现

文章研究企业网络告警数据中的知识发现问题,设计并实现了以Apriori算法为核心的网络告警关联规则发现系统。系统试运行结果表明,该系统能够有效发掘隐藏在海量告警数据背后、不易为网络管理人员所知的告警及故障模式知识。将发现的新知识应用到告警关联/故障诊断专家系统,有效突破了专家系统“知识获取”瓶颈,显著增强了专家系统推理和诊断网络故障的能力。     

《天马》的知识自动获取

本文首先概述了基于实例的机器学习的几种方法,然后介绍了《天马》的知识自动获取功能,包括背景知识学习,增量式规则知识学习及知识求精。     

一种广义综合知识表示方法及其应用

知识发现技术能发现数据中有用的模式和知识,但如何和专家系统有效集成仍然尚未得到解决.本文从知识表示的角度探讨二者集成,提出一种面向知识发现的广义综合知识表示方法.该方法能有效表示包括关联、分类、序贯、神经网络、基于案例推理等在内的多种知识类型,同时该方法将知识发现方法表示在其内部,从而有利于自动知识获取的实现.在此基础上提出一种新型专家系统原型.该原型从语义、机制和接口三个层次集成知识发现技术,可以有效进行自动知识获取.     

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     

专家系统的知识求精技术

本文由两部分组成.第一部分给出一个知识求精系统的一般模式。第二部分详细介绍几个著名的专家系统知识求精技术,并给出简短的评论。最后,提出一些值得进一步研究的问题。     

一种基于粗糙集的诊断型知识发现方法

知识获取是开发专家系统的瓶颈，传统的病害知识获取通常需要一个较长的过程．针对这一问题，本文给出了粗糙集理论和基于规则的作物病害知识之间的关系，即在油菜植病专家知识获取过程中的应用，建立了基于RHINOS 诊断模型的油菜病害的排除规则、包含规则和病害映像，阐述了可能性规则定义，并给出了基于规则描述的自动归纳推理方法，包括全搜索过程、后处理过程、统计测试的评估以及交叉验证和鞋带方法等．实验结果表明，粗糙集不仅是一个很好的知识获取的框架，而且能正确的归纳推理植物病害的规则．这对诊断型专家系统的开发可起到一个很好的辅助作用，在智能化农业信息系统中有着广泛的应用前景．     

初中几何专家系统中的知识获取及实现

描述了初中几何专家系统中知识获取及实现的一般过程,指出了知识获取及实现中的难点和重点.由于研究问题的复杂性,专家系统规则库中规则量往往十分庞大,这给规则库的管理和维护带来很大不便.专家系统知识库的冗余性是影响系统运行效率和知识库维护的一个重要方面,针对一个具体的专家系统--平面几何智能解题系统,分析了关于知识库规则生成时效率低的问题,然后利用基于粗糙集的约简理论来消除和减少规则库的冗余,使得系统规则库中的规则精炼、简洁,易于维护,同时大大提高了系统的效率.     

初中几何专家系统中的知识获取及实现

描述了初中几何专家系统中知识获取及实现的一般过程,指出了知识获取及实现中的难点和重点。由于研究问题的复杂性,专家系统规则库中规则量往往十分庞大,这给规则库的管理和维护带来很大不便。专家系统知识库的冗余性是影响系统运行效率和知识库维护的一个重要方面,针对一个具体的专家系统——平面几何智能解题系统,分析了关于知识库规则生成时效率低的问题,然后利用基于粗糙集的约简理论来消除和减少规则库的冗余,使得系统规则库中的规则精炼、简洁,易于维护,同时大大提高了系统的效率。     

知识云及其在知识获取中的意义

如何有效地获取领域专家的知识一直被视为人工智能中的难题．本文的目的在于提出一种关于知识获取的基本观点，并以此观点为基础来研究知识获取问题．这个观点的基本内容是：象波尔的原于模型一样，在专家的知识周围有一些知识层．它们是认识和获取专家知识的突破口或入口．本文将这些知识层看成是知识云，同时将上述观点视作知识云假设．我们将讨论知识云的内涵，研究知识云假设的合理性，最后将阐述知识云这一概念在知识获取中的意义．     

KNOWLEDGE TRANSFORMATION

The transformation of knowledge bases from one expert system tool to another raises several issues: transformation of the syntax, adaptation to a different inferencing procedure, conservation of the knowledge, testing and evaluation of the transformed knowledge base, and its comparison to the original. The solutions for these issues were developed during the transformation of six expert systems originally developed with PC+, a parameter-driven expert system tool and one expert system developed with KES-HT, a hypothesis and lest expert system tool, into a forward-chaining pattern-matching tool: CLIPS.     

KNOWLEDGE AND EXPERIENCE

Abstract

The concept of knowledge is fundamental in research on artificial intelligence. The limits of transferring knowledge to the machine are discussed on the basis of case studies.     

数据库知识发现系统及领域知识在其中的作用

论述了一种理想化的知识发现系统模型 ,及其各组成部分的功能。进一步讨论了领域知识在其中的重要作用。     

并行知识库机的知识划分及其推理

并行知识库机是一种采用并行处理技术来提高大规模知识库系统性能的专用机。其中，知识的划分及并行推理模型是两个关键问题。本文以产生式系统作为并行知识库机的基本知识表示方法，重点讨论产生式系统的划分和并行推理问题。     

关于知识管理

随着信息时代的到来,传统的工业经济正在向知识经济迈进,知识管理KM不仅在概念上,而且在教育、学术研究、IT产业、应用等方面都引起了广泛的关注。有人甚至认为它将是信息时代的新浪潮。但是KM是一个全新的、涉及面广泛的而且尚未得到充分认识的概念,是与信息技术、人工智能、管理学、经济学以及企业文化等均紧密相关的综合体。本文对KM的基本概念、实现KM的技术和方法、它的发展及存在的问题等方面进行了较为全面的介绍和讨论。     

THE KNOWLEDGE ECONOMY

The economy today is based on knowledge processing. Businesses that insist on hanging on to the commodity-processing economy of yesterday are soon going to find themselves unproductive and noncompetitive.     

KNOWLEDGE MANAGEMENT,KNOWLEDGE DISCOVERY,AND DYNAMIC INTELLIGENT DATA MINING

During the last two to three decades, many scientific as well business areas have moved from a situation of a lack of (electronically) readable information into a situation of abundant data. Data warehouses appeared, and the problem of extracting information from large masses of data became more and more important. Also knowledge became a very precious commodity, and its efficient use often makes the difference between success and failure. Finding useful information or patterns in raw data is known in the literature under various names, such as knowledge discovery in data bases, data mining, knowledge extraction, information discovery, information harvesting, data archaeology, etc. Many research areas, such as machine learning, pattern recognition, artificial intelligence, knowledge acquisition for expert systems, data visualization, and others are concerned with these activities, and the terminology used is not unequivocally defined.

In this article, we shall first consider the different interpretations of the notions previously mentioned, and we shall then describe in more detail a recent technology that is very useful for data mining as well as for related areas.     

分布式知识处理系统中基于知识的任务规划模型

分布式知识处理系统的求解主要由四步组成:任务规划、任务分布、协作求解,以及结果综合,其中任务的规划是整个求解过程的基础。目前设计的许多系统缺乏任务规划能力,任务的执行序列和执行任务的任务知识源主要由系统开发者指定,所以系统的求解结果带有很大的主观性,效率也难以提高,本文首先分析了分布式知识处理系统中任务、任务知识源和任务规划;其次采用逻辑-对象知识模型,来表示任务规划问题;最后提出了一种基于知识的任务规划模型。     

基于一种灵活、通用知识表达的知识获取工具设计

本文详细介绍了一种界面良好、方便实用的知识获取工具KAT的主要功能、知识表达形式及主要程序模块设计等关键技术，其界面良好、功能完善、使用方便，具有良好的通用性和开放性。