基于关联模态云推理算法的输电塔结构损伤识别

为了解决输电塔等工程结构在不确定因素干扰下的损伤识别问题,提出了一种基于关联模态的云推理算法。建立残余力基本方程,并分析了基于残余力向量的损伤识别原理;提出了基于残余力的云推理算法,给出了云模型的数字特征,分析了前件云发生器和后件云发生器,给出了基于灰云模型的定性规则库建立方法,并利用云规则组成了相应的云推理系统。考虑到残余力法易受测量噪声等不确定因素干扰的弱点,进一步提出了关联模态云推理算法,以提高损伤识别的精度和可靠性,并采用输电塔结构模型进行了损伤识别研究。数值计算结果表明,关联模态云推理算法可以较好地识别出结构损伤,其识别效果明显优于残余力向量法和残余力云推理算法。     

基于证据推理和置信规则库的装备寿命评估

针对航天产品试验样本少,寿命评估难的特点,结合产品在研制阶段多种工作环境的失效数据,提出了一种基于证据推理(evidential reasoning,ER)和置信规则库(belief-rule-base,BRB)进行装备寿命评估的新方法.首先,分析了模型的合理性并使用多维BRB模型将多种环境下的寿命数据折合为标准工作环境下的寿命数据,然后通过ER算法将折合后数据和实际工作环境数据进行融合.其次,详细说明了BRB--ER模型的推理过程和寿命评估的步骤.最后,采用某航天产品的失效数据对该方法进行了验证,并用已有的产品寿命的固定值进行BRB的参数更新.研究结果表明,在专家知识准确合理时,该模型能够准确地评估产品寿命,并可根据已有的产品的固定寿命进行训练,建立更加准确的寿命预测模型.     

一维云模型系统的逼近性研究

针对云模型的基本原理,提出了一类云模型系统的设计方法,并利用Stone-Weierstrass定理对在3σ 正态分布随机数条件下的云模型系统任意逼近紧集上的任意连续实函数进行了证明, 是对云模型应用于逼近任意连续非线性函数理论的创新,也是今后云模型系统用于系统辨识和控制的理论依据.     

基于特征线段综合的图案元素生成

对于美术图案智能生成系统,其元素的获取,绘制及录入一直是一个瓶颈问题,为此提出了一种应用综合推理的思想来生成新的图案元素的方法,这种方法可以直接从已有图案元素的形象信息出发,根据一定的特征要求,迅速综合生成亲的图案元素或原的多种变化形态,因而大大丰富了图案元素库,并在一定程度上缓解了元素获取,绘制及录入问题。     

直觉线性μ-演算中的合成推理

讨论了以基于前缀封闭集合的Heyting代数的直觉解释的线性μ-演算(IμTL)作为描述“假设-保证”的逻辑基础的问题,提出了一个基于IμTL的“假设-保证”规则.该规则比往常应用线性时序逻辑(LTL)作为规范语言的那些规则具有更好的表达能力,扩展了对形如“always ?”等安全性质的“假设-保证”的范围,具备更一般的“假设-保证”推理能力及对循环推理的支持.     

基于多模态推理图神经网络的场景文本视觉问答模型

文本阅读能力差和视觉推理能力不足是现有视觉问答(visual question answering, VQA)模型效果不好的主要原因,针对以上问题,设计了一个基于图神经网络的多模态推理(multi-modal reasoning graph neural network, MRGNN)模型。利用图像中多种形式的信息帮助理解场景文本内容,将场景文本图片分别预处理成视觉对象图和文本图的形式,并且在问题自注意力模块下过滤多余的信息;使用加入注意力的聚合器完善子图之间相互的节点特征,从而融合不同模态之间的信息,更新后的节点利用不同模态的上下文信息为答疑模块提供了更好的功能。在ST-VQA和TextVQA数据集上验证了有效性,实验结果表明,相比较此任务的一些其他模型,MRGNN模型在此任务上有明显的提升。     

近似空间关系代数ASRA及应用

粗定位模型是一种基于粗集的近似区域表示模型 ,基于定性空间推理理论对其进行了代数形式化 .通过空间关系矩阵和 2 4 9种基本空间关系构造了近似空间关系代数 ASRA;讨论了 ASRA的公理和基本性质 ,研究了ASRA和 RCC5关系映射中存在的不确定性 ;把 ASRA应用于 GIS,提出了基于 ASRA的空间关系判定算法ASRA- RCC.与同类算法相比 ,ASRA- RCC能够同时支持确定和近似区域 ,并且具有较高的效率     

基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时,通常会产生扭曲的结构或与周围区域不一致的模糊纹理,无法重建合理的图像结构。为此,提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息,然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像,提高图像修复的精确度,在图像补全网络采用推理注意力机制,有效控制了生成特征的不一致性,从而生成更有效的信息。所提方法在多个数据集上进行了实验验证,结果表明该图像修复方法的结构相似性指数达到了88.9%,峰值信噪比达到了25.56 dB,与现有的图像修复方法相比,该方法具有更高的图像修复精确度,生成的图像更逼真。     

基于蕴涵算子族L-λ-R_0的模糊推理FMT三Ⅰ算法

提出了基于蕴涵算子族L-λ-R0的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族L-λ-R0已给出的FMP模型[1]的三Ⅰ支持算法、α-三Ⅰ支持算法进一步给出了模糊推理的FMT模型的三Ⅰ支持算法、α-三Ⅰ支持算法。     

基于UML的本体表示方法研究

研究本体表示相关技术,并且从表达和推理能力等方面对当前本体表示方法进行分析和比较,总结各种表示方法的利弊。在此基础上提出一种基于统一建模语言（UML）和对象约束语言的本体表示方法,特别研究该表示方法的推理机制,并对这种表示方法进行应用。