新一代知识系统需求分析

针对第一代知识系统存在的许多明显缺陷,许多研究者相继提出了各自的第二代知识系统的概念,在不同程度上弥补了第一代知识系统的不足,缓解了它们与知识处理需求之间的矛盾,但这些解决方法大多是局部的或不完全的。本文分析了第一代知识系统的缺陷,并在分析第二代知识系统的几个典型结构的基础上,确定了新一代知识系统的设计目标,最后提出了新一代知识系统的一种通用结构。     

基于人工神经元网络的中医专家系统外壳NNS

本文用人工神经元网络的结构和算法,建造了一个中医专家系统外壳NNS。在NNS中我们构造了对中医专家经验进行自动知识获取的工具,并尝试建造了部分中医深层模型。基于NNS我们还实现了一个基于人工神经元网络的中医儿科咳喘诊疗系统NCCS。     

故障诊断系统中深浅知识集成表示方法的研究

传统的故障智能诊断系统大都只是基于专家经验,但是,由于现代设备的复杂性,使其往得不到准确的结果,这时必须借助于与诊断对象有关的原理性知识,本文基于设备的层次性理论,提出了一种深浅知识集成表示模型,并采用面向对象表示和产生式规则相结合的方法予以实现,深浅知识的有效结合,不仅可以提高故障诊断的准确性,而且诊断推理的效率也得以提高。     

KIS：一个新颖的知识精化系统

知识获取问题一直成为开发知识基系统如专家系统、自然语言理解系统的瓶颈问题。为了解决这一问题,计算机工作者研究并开发了基于机器学习技术的知识获取系统,但在这些知识获取系统中,如何保证所获取知识的正确性,如何维护所建造的知识库的一致性,一直成为这些知识获取系统能够获得实际应用的关键问题。本文提出了一种新颖的知识精化模型,旨在为解决上述问题提供一条切实可行的途径。     

知识获取系统NDKAS的研究与应用

知识获取系统ＮＤＫＡＳ的研究与应用潘金贵，陈彬，陈晶，陈世福（南京大学计算机科学系南京２１０００８）ＴＨＥＲＥＳＥＡＲＣＨＡＮＤＡＰＰＬＩＣＡＴＩＯＮＯＮＴＨＥＫＮＯＷＬＥＤＧＥＡＣＱＵＩＳＩＴＩＯＮＳＹＳＴＥＭ－ＮＤＫＡＳ￥ＰａｎＪｉｎｇｕｉ；Ｃｈ...     

面向概念的通用知识获取系统

本文提出的面向概念的知识获取系统是一个能理解基本逻辑和自然语言的通用知识获取环境。系统结合了人工智能(ai)、面向对象的程序设计(oop)和逻辑程序设计(Lp)等技术。系统以概念为知识基元,由概念描述器(cd)予以描述。cd是一个类框架和类对象 的结构,它由一组概念特性和属性,逻辑约束和函数式等支持。这些特性可由具体的应用而赋于实际的含义。知识库中的概念集是一个层次式的继承网络。另外系统还附有一些语义子系统,如一阶逻辑系统和简单的自然语言系统,用以各种类型的语法检查及知识的冗余、互斥及非一致性检查。系统主     

具有面向对象特征的知识系统OOKB

本文提出的ＯＯＫＢ系统的数据模型既有知识推理的逻辑基础，又支持类、对象，消息、继承入复合对象等面向对象机制；其存储管理是把类和对象按“堆项”方式组织，使内外存格式相同，同时用数据字典反映类和类之间以及类和对象之间的各种关系；     

农业系统中模糊知识的研究

1 引言在农业领域中,事物的属性值及有关知识常常是以模糊的形式表现出来,如何更准确地掌握、分析、使用模糊知识成为农业专家系统的研究重点之一。 1965年美国柏克莱加州大学的L.A.Zadeh教授等人从集合论的角度对模糊性进行了深入研究,他们提出了隶属函数及模糊推理等重要概念。30多年来,对模糊理论的研究已取得了很大的进展,并已成功地将隶属函数理论运用到人工智能领域。     

基于知识的刺绣编程系统

介绍了一个基于知识刺绣编程系统。描术字该系统的结构,数据结构和主要实现技术,该系统融合了图象处理,人工智能和计算机辅助设计等多种技术,引入了丰富的刺绣知识、编针规则和有效的推理机制,具有自动推理编针能力,实现了图案处理,编针,优化和数据转换的一体化与自动化,提高了刺绣编程质量和效率。     

一种适合工业系统的知识表达

本文分析了工业系统中的专家系统所存在的问题,论述了传统的产生式规则表示的优缺点,介绍了一种新的规则表示法——“规则架十规则体”表示法,并给出具体的例子来说明其特点。     

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     

基于知识发现的范例推理系统

1 引言范例推理(Case-Based Reasoning,CBR)是近十几年来人工智能中发展起来的区别于基于规则推理的一种推理模式,它是指借用旧的事例或经验来解决问题、评价解决方案、解释异常情况或理解新情况。CBR兴起的主要原因是传统的基于规则的系统存在诸多的缺点,如:在知识获取问题上存在困难,对于处理过的问题没有记忆而导致推理效率低下,不能有效地处理例外情况,整体性能较为脆弱等等,而CBR恰好能解决以上问题。     

知识获取方法DECO

知识获取方法学是目前人工智能领域中最重要的分支之一,现在已出现了几种不同应用范围的获取方法,集成式知识获取方法的研究已成为当前的一种趋势,本文所介绍的DECO方法是一种集成式方法,它将知识获取分为若干个基本上相互独立的步骤,并且溶进了知识库快速生成技术以及基于专家分析实例的学习方法。     

一种吸引分岔知识网模型及其应用实例

本文基于非线性动力学，特别是托姆的形态发生学思想，针对视觉学习，给出了一种吸引分岔知识网模型，用于解决知识表示和获取问题，通过引入皮亚杰发生认识论中的概念，模型拥有的学习功能包括强化、同化、顺应、聚合、分裂和遗忘；这样就给出了一个学习视觉知识的完整方法，３个应用系统的结果表明，该模型及其学习方法，以于解决实现问题，是有效和适用的。