高阶神经网络连接权的稀疏化及其删减算法

本文首先研究完全连接型高阶神经网络的逼近能力,并证明了定义在{0,1}N上的任意布尔函数都可以由完全连接的高阶神经网络来实现。接着提出了旨在简化网络结构的去除冗余连接权删减算法,并用于高阶神经分类器的稀疏化实现。模拟实验结果证明了这种算法的有效性。     

高阶神经网络连接权的稀疏化及其删减算法

本文首先研究完全连接型高阶神经网络的逼近能力，并证明了定义在｛０，１｝＾Ｎ上的任意布尔函数都可以由完全连接的高阶神经网络来实现。接着提出了旨在简化网络结构的去除冗余连接权删减算法，并用于高阶神经分类器的稀疏化实现。模拟实验结果证明了这种算法的有效性。     

一个语义Web构架及其实现

语义Web是国际互联网组织W3C制定的关于未来Web的一个长远蓝图,近两年发展异常迅猛,并显示出诱人的应用前景。该文在概述语义Web基本技术的基础上,设计了一个面向企业门户网站的语义Web体系结构;提出了页面代理的概念及其作用与功能结构;设计了语义Web查询语言CDQL,该语言在跨信息源查询、约束表示等方面扩充了DQL查询语言。     

基于奇异值分解的中文Ontology自动学习技术

语义Web是一个美好的构想，Ontology在语义Web中起着举足轻重的作用，它不仅能为人类用户而且能为软件agent提供从语法层次到语义层次上的互操作性。目前Web上主要是各种布局的HTML文档，未来的语义Web页面将是各种领域Ontology的实例以及到其它实例上的链接，因此语义Web的成功强烈依赖于Ontology的增殖，方便快捷地构造各领城Ontology是实现语义Web的关健。该文提出一种基于奇异值分解的中文Ontology自动学习技术，这种技术的特点是其简易性以及准确的数学理论基础。     

Ontology Learning for Chinese Documents Based on SVD and Conceptual Clustering

In order to construct Chinese ontology easily, an automated ontology learning technology forChinese documents based on singular value decomposition(SVD) and conceptual clustering is proposed. Firstthe system extracts concepts from a set of domain-specific documents by using SVD technology,and thenacquires subsumption relationships between the concepts by means of hierarchical conceptual clusteringmethod. The system thus yields domain-related concept hierarchy.     

CRL:对语义Web上的Ontology表示语言DAML+OIL的一种扩充方案

Ontologies在语义Web中起着举足轻重的作用,它不仅能为人类用户而且能为软件Agent提供从语法层次到语义层次上的互操作性。DAML+OIL是专门为语义Web设计的一种Ontology描述语言,它将框架系统、描述逻辑和Web标准这三个不同领域的优点结合了起来,采用面向对象的方法用类和属性来描述领域的结构。但是DAML+OIL也有不足之处,其一是约束表达能力较弱,只能表示属性值的基数约束,不能表示属性值的区间约束;其二是不能表示任何规则,而无论是约束表示还是规则表示对Ontology都是非常重要的。该文提出一种对DAML+OIL的扩充方案,使得扩充后的DAML+OIL可以表示简单的规则和属性值的区间约束。     

Ontology推理系统的设计与实现

SHOQ(D)描述逻辑可以对概念、角色.个体、数据类型进行推理,能够克服OIL语言不能处理命名的个体和具体数据类型的缺点.该文设计并实现了SHOQ(D)描述逻辑的ontology推理系统,在SHIQ表算法的基础上,通过修改和添加数据类型和个体的相关规则,得到SHOQ(D)表算法.该系统的实现基于FACT系统,提供了对术语知识库TKB进行操作的函数和宏,主要有向TKB中添加公理、进行推理和回答查询等.实验结果验证SHOQ(D)系统的表达能力优于FACT系统.