专家系统开发环境及其应用

本文介绍一个通用规则型专家系统开发环境的实现，并且详细阐述了ＧＲＥＳＥ的知识表示，推进方法，动态知识翻译及实际应用。     

专家系统外壳开发环境ESSDE

本文描述一个专家系统外壳开发环境ＥＳＳＤＥ，该环境支持用户选择不同的管理用户的基于规则的知识库机制来构造特殊的专家系统外壳。ＥＳＳＤＥ由若干ｍｅｔａ－ｉｎｔｅｒｐｒｅｔｅｒｓ组成，ｍｅｔａ－ｉｎｔｅｒｐｒｅｔｅｒｓ执行面向目标的推理机，若干解释机制，规则追踪和精确及不精确推理等不同的功能，ＥＳＳＤ还提供了“向用户提问”的界面和机制以及存储中间结论和重新评价结构的功能。     

专家系统工具CLIPS的集成开发环境

ＣＬＩＰＳ是一种具有广泛适应性的通用专家系统工具，本文介绍在Ｓｕｎ／Ｓｐａｒｃ工作站上基于Ｏｐｅｎ Ｗｉｎｄｏｗｓ窗口环境创建的ＣＬＩＰＳ集成开发工具，它为使用ＣＬＩＰＳ建立专家系统提供了窗口式程序开发环境，可提高工作效率。     

一个基于神经网络的专家系统

医疗专家系统主要使用基于知识的技术，其中的决策规则和策略来自于人类的专家。把这些知识和各种推理方法结合，可以建立一个模拟专家决策过程的系统。建立这样一个系统，需要经常与专家磋商，以获取专家的知识，因而需要大量的时间和精力。为此，本文提出直接从数据中提取有效的信息，即用神经网络提取隐含在大量数据中对医疗诊断有效的信息，继之与基于规则的知识，各种推理方法相结合，建立一个神经网络专家系统。     

基于专家—神经网的递阶智能控制系统

本文介绍了专家系统与人工神经网络技术相结合的一些方法，提出了联合使用专家系统与人工神经网络的递阶智能控制系统结构，其组成为：监督控制专家系统，数据处理与故障诊断神经网络，常规分布式控制系统。其中的监督控制专家系统又由人工神经网络模拟实现。由于本系统吸取了专家系统技术及人工神经网络技术两者的长处，克服了各自的缺点，使得系统的性能大为提高。     

一个基于神经网络的智能评价决策专家系统

本文在研究现代智能评价决策专家系统和神经网络的基础上，提出了一种基于神经网络的智能评价决策专家系统，它既能保持专家系统原有特色，又兼有神经网络特点，可以同时获得问题领域中的规范性知识和经验性知识，在实际应用中取得了令人满意的结果。     

基于神经网络的采矿方法选择专家系统的研制

针对采矿方法方案选择的特点，本文将人工神经网络和专家系统技术结合起来，设计并开发和用于采矿方法方案选择的专家系统，阐述了其设计原理及组成，系统的初步运行表明：将神经网络和专家系统技术引入到矿业中来，是切实可行的。     

基于模糊神经网络的专家系统及应用

专家系统前景广阔，但其进一步发展必须引入其他先进技术，神经网络和模糊系统是解决知识获和经验性知识的不确定性等传统专家系统的“瓶颈”问题的全新途径。     

神经网络多专家意见综合系统

本文论述了一个以激活与竞争神经网络为基础的多专家意见综合系统,它是一个可存储规则并可学习的系统,常规的加权法相当于神经网不存储任何知识时的特例,该系统在听取了各位专家意见后,即进入一个自我封闭的静思过程,然后做出判断,这种处理多专家意见的方式与人脑非常相似,很值得研究。     

病虫害诊断的神经网络专家系统的设计与实现

本文设计了病虫害诊断的神经网络专家系统的知识获取，知识库、推理机制和人机界面等主要功能模块，并实现了基于改进型神经网络的棉花病虫害诊断专家系统。该诊断系统已投入了实际使用，收到了明显的经济效益。     

基于人工神经元网络的控制系统模型简化的专家系统

本文研究并实现了一个基于人工神经元网络的控制系统模型简化的专家系统(简称为ESOMRT)。该系统适用于专家和非专家用户,能够针对更体的连续和离散时间的高阶控制系统模型和简化要求选择合适的简化方法,并可对简化质量从时域和频域方面进行评估。在构造这个系统的过程中,作者提出了智能数据库的概念,使用了过程型和人工神经元网络方法相结合的知识表达方式,并利用神经元网络的再学习机制实现了斗自动知识获取,该系统具有三种工作模式和友好的人机界面,使系统的智能水平比较高并有实用价值,现已在IBM-PC/XT和386机上运行。     

一种基于神经网络的视觉定位系统

本文提出了一种基于人工神经网络的多线阵相机系统标定与3D定位方法，并应用于基于多线阵相机构成的视觉空间定位系统．该视觉定位系统利用了线阵相机的快速性与高分辨率的特点，非平行空间投影面相交定位的基本原理，实现了这种结构下快速、高精度空间定位．实验表明，人工神经网络的定位方法简化了多线阵视觉定位系统标定与定位计算的复杂性，在定位精度上达到了良好效果．为机器人位置反馈控制提供了有效的技术途径．     

停车诱导系统中车位预测模型的研究

研究城市停车诱导系统的停车车位占有率预测问题.首先提出基于BP神经网络的车位占有预测模型,同时将自适应学习速率调整法和加入动量项方法用于改善基本BP神经网络,优化了学习速率,减少了训练过程的震荡趋势,改善了网络的收敛性.以此为基础实现了停车位的智能预测.最后,进行了多种方法比对实验.     

基于神经网络集成的手写识别系统

在研究基于隐马尔可夫模型的识别器和基于距离分类器的识别器的识别结果基础上,提出两种基于集成神经网络的手写识别系统:比较神经网络识别系统和全排列神经网络识别系统.实验分析表明,该系统对西文手写体的识别率最高可达到99%,比单独使用原始识别器的识别率提高10个百分点,达到了良好的识别效果.