属性Petri网模型及其推理算法

定性映射是从哲学上事物的质-量互变规律出发,以感觉特征抽取为依托而建立的脑思维数学模型。文章以定性映射基本定义为基础讨论了属性Petri网的基本模型,给出了其形式定义和基本运行机制,描述了基于属性Petri网的知识表示模式,最后给出了属性Petri网的相应推理算法。该模型在以定性判断为特点的诊断系统中能得到较好地应用。     

基于属性文法和语义网络的综合知识表示模型

本文提出了一个属性文法计算模型与语义网络表示模型相结合的综合知识表示模型.根据形式化的语义网络表示模型和属性文法的特点,该模型使用属性文法的符号建立了一些适合于语义网络表示模型的语法和语义规则模式,并且可通过扩充的属性文法的解释器来实现推理.     

Petri网用于表示知识

本文研究了各种级别Petri网与模态逻辑之间的关系.Petri网的Enlogy是研究这些关系的基础.状况(case)和可达(Reachability)概念已经成功地用于以条件/事件(Condition/Event,简称C/E)网作知识表示.本文引用上述两个概念,使位置/变迁(Place/Transition,简称P/T)网和高级Petri网(High Level Petri Net,简称HLPN)可作知识表示.为了增强以 HLPN网作知识表示的能力,我们引用了状况变量和等价状况变量的概念.文中我们还以例子说明这些方法是可用的和有效的.     

基于属性Petri网的属性粒推理研究

不确定性知识处理是人工智能研究中经常遇到的问题,基于定性映射的属性Petri网模型在动态表示认知思维中不确定性知识与逻辑推理方面具有优势。在属性拓扑空间中,给出了属性粒的基本定义和基本推理,在属性Petri网中对不确定性知识进行表达,并基于属性Petri网给出归结推理的基本形式和基本算法。结果显示,这种方法可以使定性映射和Petri网更易于动态和显式地表达认知不确定性知识,可为进一步研究Petri网在认知模型中的作用提供参考。     

基于Petri网的统一知识表示模型

本文讨论知识表示的Ｐｅｔｒｉ网模型。将多种知识分类表示，对于开发具有较宽领域知识的系统具有重要意义。本文从统一的观点出发，在给出了Ｐｅｔｒｉ网的代数规范说明后，将三种主要的知识表示方法分别与Ｐｅｔｒｉ网模型之间建立映射系统，这三种知识表示方法为：逻辑表示法，语义网络和产生式系统。     

模糊Petri网及知识表示

在建造专家系统中虽然有很多种知识表示方法，但都有不尽人意的地方，本文试图用一种新的方法－Ｐｅｔｒｉ网模型来表示知识。本文给出了Ｆｕｚｚｚｙ Ｐｅｔｒｉ网和广义Ｆｕｚｚｙ Ｐｅｔｒｉ网两种模型，并给出了相应的推理算法，一旦专家知识用Ｐｅｔｒｉ网表示后，根据Ｐｅｔｒｉ网固有的特性，我们就能处理专家系统中并行推理、无回溯推理，反向推理等问题。     

基于扩展模糊Petri网的知识推理方法研究

为使模糊Petri网能够描述可变模糊隶属判据下的模糊知识,利用基准变换能较好地表达模糊隶属判据可变情况的特点,基于定性映射和定性基准变换对模糊Petri网进行了扩展,给出了扩展后网模型的形式定义和基本运行机制。通过利用定性映射描述模糊产生式规则,给出了一种新的知识表示模式和推理方法,新方法有利于构建模糊Petri网基于认知的学习机制。结果显示,该网模型具有较强的知识表达能力,适用于处理认知模糊不确定性知识,其推理过程能体现某些认知特性,尤其适用于构建以定性判断为特点的智能系统。     

属性Petri网建模及其应用

从哲学上事物的质-量互变规律出发，定性映射是以感觉特征抽取为依托而建立的脑思维数学模型。该文提出了基于定性映射模型的诊断系统的建模工具(属性Petri网的基本模型)，给出了形式化定义和基本运行机制，分析了基于属性Petri网的诊断推理算法及实例，该模型在以定性判断为特点的诊断系统中，能得到较好的应用。     

感觉神经Petri网模型及知识表示

以普通Petri网和模糊Petri网为基础,给出了感觉神经Petri网的模型和基本定义,并讨论了其在知识表示中的应用问题。     

基于对象的类语义网络知识表示

提出一种新的知识表示方法基于“对象”的类语义网络知识表示”并对知识表过中的“软硬模型”和短路模型作了相应的理论研究和探讨。     

智能网络管理中一种基于Petri网的知识验证技术

知识库是智能网络管理系统中的重要组成部分,知识库的维护要求知识库系统必须具备知识的验证功能。智能网管系统中知识组织的动态性决定了知识的结构性验证必须正确、有效和及时。本文以有色Petri网为基础,针对智能网管系统中知识验证的主要内窝,以一种扩充的有色Petri网作为描述和分析工具,建立了相应的知识表示模型和知识验证模型,提出了一种简洁的、基于有色Petri网的知识验证方法,并给出了相应的判定准则。     

基于知识表示学习的实时语义数据流推理

传统的语义数据流推理使用前向或后向链式推理产生确定性的答案,但是在复杂的传递规则推理中效率不高,无法满足实时数据流处理场景对答案的及时性要求。因此,提出一种基于联合嵌入模型的知识表示方法,并应用于语义数据流处理中。将规则与事实三元组联合嵌入并利用深度学习模型进行训练,在推理阶段,根据查询中涉及的规则建立推理模板,利用深度学习模型对推理模板产生的三元组进行预测和分类,将结果作为查询和推理答案输出。实验表明,对于复杂规则推理,基于知识表示学习的实时语义数据流推理能够在保障较好推理准确性和命中率的前提下有效地降低延迟。     

基于本体的学科知识建模

学科知识建模是一项巨大的工程,当前存在的主要问题有知识库不能很好地共享和重用,难以实现语义上的推理及检索等.把本体技术应用于学科知识建模中,构造了部分课程本体,并实现了对该本体的推理及查询.     

面向对象Petri网合同网协议模型的一种改进方案

传统合同网协议模型中,Agent之间通信量大,且角色固定,不能满足多Agem系统环境和任务的复杂性和动态性以及交互的灵活性和高效性.通过引入信任度和阈值,采用面向对象Petri网对合同网协议模型进行了改进,提出了一种新的适应系统环境及Agent能力变化的模型,并对改进模型进行了分析,表明模型具有角色可变性、并发性和通信量少的特点.     

基于Petri网的集群应用系统性能评价

利用随机Petri网理论给出了一个集群应用软件负载平衡系统的抽象模型,通过细化其中的本地节点处理部分对3种集群动态负载平衡的调度策略和应用系统体系结构对负载平衡系统的影响进行了分析,得到了一些对大部分应用系统的设计起到指导作用的结论.这些结论是:(1)无论是静态负载平衡还是动态负载平衡都能提高集群系统的性能,动态负载平衡会得到更好的性能;(2)在动态负载平衡算法中除了要考虑系统中最重要的等待队列--应用队列外,还要考虑数据库队列;(3)异步体系架构将任务切分到各处理子系统中,有助于将各子系统负载数据综合到负载向量中,能够更准确地衡量系统负载、提高负载平衡系统的性能,优于同步体系结构.     

基于随机Petri网的电信交换系统可生存性分析

网络系统的可生存性问题是系统安全领域的一个重点研究方向。讨论现有的系统可生存性的一般分析方法,确定系统的可生存属性,并采用随机Petri网(SPN)技术,分析电信交换系统生存性问题的特点。重点利用随机Petri网描述系统的失效-修复分析模型和性能分析模型,给出系统可生存性分析中主要指标的定量计算方法。系统仿真结果表明了该方法的有效、合理性。     

基于人员-时间Petri网的气象业务保障流程模型

针对气象业务保障流程知识密集的特点,提出了一种新的工作流建模方法:人员-时间Petri网,给出了人员-时间Petri网的形式化定义、相关性质以及建模方法,开发了人员-时间Petri网的建模工具并应用于气象水文保障建模.