一種改進的專家系統自學習算法的研究_圖文_第1頁
一種改進的專家系統自學習算法的研究_圖文_第2頁
一種改進的專家系統自學習算法的研究_圖文_第3頁
一種改進的專家系統自學習算法的研究_圖文_第4頁
一種改進的專家系統自學習算法的研究_圖文_第5頁
已閱讀5頁,還剩2頁未讀 繼續免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、 一種改進的專家系統自學習算法的研究作者:王繼東, 常瑞, 蘇海濱, 王玲花, WANG Ji-dong, CHANG Rui, SU Hai-bin, WANG Ling-hua作者單位:華北水利水電學院,電力學院,河南鄭州,450008刊名:微計算機信息英文刊名:CONTROL & AUTOMATION年,卷(期:2009,25(18被引用次數:0次參考文獻(6條2.Jun liu.Jian-bo Yang.Jin Wang Engineering System Safety Analysis and Synthesis Using the Fuzzy Rule-based Evi

2、dential Reasoning Approach 20043.J B Yang Minimax reference point approach and its application for multi-objective optimization 2000(035.J B Yang.J Wang.G P Liu Optimization Models for Training Belief Rule Based Systems 2005(046.J B Yang Rule and utility based evidential reasoning approach for multi

3、ple-attribute decision analysis under uncertainty 2002(03相似文獻(10條1.學位論文杜世波基于歸納的學習模型及氣象預報專家系統WFES19882.學位論文林燕專家系統中基于記憶的歸納學習模型的研究19913.學位論文劉貴全一種集成學習模型及其應用的研究1996歸納邏輯程序設計(Inductive Logic Programming,簡稱ILP是一種新的機器學習方法,它采用了一階邏輯的框架,因而能較好的利用背景知識,這使得它的學習能力要強于傳統的基于屬性值的學習方法.總之,該文的創新與特色在于:1、探討了ILP的基本理論問題,分析了傳統I

4、LP技術的不足之處.2、詳細設計并實現了一個集成ILP與EBL的學習模型.3、將集成ILP與EBL的學習模型的思想和方法成功地應用到FCC專家系統中,為專家系統實現了一個工具知識求精子系統,該系統能逐漸提高系統知識庫的診斷能力.4、在理論上探討了如何在集成系統中引入類比機制.4.會議論文呂翠英精餾系統故障診斷專家系統中基于深層知識的學習模型19925.學位論文顧振梅一種集成化的概念學習模型及其應用1996概念學習是人工智能系統(特別是專家系統中知識自動獲取的重要途徑之一.但是目前基于單一方法的概念學習系統往往不能滿足實際應用的要求,而且傳統的概念學習方法難以處理現實世界中的不確定因素,魯棒性差

5、.為此,該文引入集成化的思想和"基于加權的概念學習"的研究思路,提出了一個集成化的概念學習模型ICLM.首先,該文從總體上概述了ICLM模型的基本結構和功能.然后,分別對ICLM中兩個主要學習部件的設計和實現進行了詳細的闡述.對于低層學習部件,介紹了基于決策樹的概念學習方法,討論了構造和修剪決策樹的有關問題,包括測試的生成機制和評價標準、錯誤率的預測方法以及基于錯誤的修剪等,特別對連續型屬性的測試生成與選擇進行了深入的研究并給出了改進方法;對于高層學習部件,提出利用遺傳算法(GA自動構造加權決策規則的思想,給出了由決策樹到規則的轉換方法,詳細探討了利用GA學習權值的實現技術

6、,對實值參數的不同編碼方式及遺傳操作進行了分析和比較.最后,給出了該模型的一個具體應用.神經網絡的泛化能力和"黑盒性"是神經網絡機器學習研究的兩個重要問題.本文提出了一種解釋型神經網絡學習模型,試圖發揮神經網絡集成帶來的神經網絡泛化能力的提高.同時,我們提出了駕馭解釋和人機交互的方法,希望能夠在神經網絡學習過程中充分發揮人的智能,從而提高整個系統的智能度;并且同步解釋和可視化學習和推理的過程和結果,提高神經網絡集成的透明性.該模型采用基于構件的軟件開發方法實現,以解釋型神經網絡學習架構為組裝藍圖,以可復用軟件構件為組裝模塊,支持組裝式軟件的復用,大大提高了軟件生產效率和質量

7、.該系統作為智能地震預報專家系統的機器學習模塊,在一定程度上解決了知識獲取瓶頸問題.7.學位論文常瑞基于RIMER理論的專家系統自學習算法的研究與實現2007為了處理人類決策中遇到的不確定性信息,在D-S理論、決策理論和模糊集合理論的基礎上基于證據推理方法的置信規則庫推理方法(RIMER被提出。在RIMER理論和專家系統理論的基礎上形成了RIMER專家系統。RIMER理論是一種透明的建模方法,專家知識以直接接入系統內部,確定規則庫的置信度和權重等參數。但是一般地,專家并不能總是客觀、精確地給定這些參數,這就削弱了RIMER專家系統模擬實際系統的能力,為此Yang等建立該專家系統的學習模型,指出

8、該模型是線性約束的非線性規劃問題,并且給出了求解方法。但是,學習結果不能令人滿意。因此有必要設計一種新的算法來求解該學習模型使得該專家系統具備更好的自學習能力。在此基礎上,本文首先結合梯度法和二分法設計了一種新的簡單算法。新的算法首先利用梯度法求解該非線性規劃問題的下降方向,接著根據非線性規劃中的約束條件找到最大步長,然后通過二分法對最大步長二分直至找到使目標函數值最小的步長。之后通過分析專家系統的一般結構,利用面向對象的方法在RIMER理論和學習訓練算法的基礎上設計開發了帶有自學習功能的RIMER原型專家系統。本文介紹了該專家系統的總體結構,詳細闡述了新開發的RIMER專家系統的各個模塊,描

9、述了RIMER專家系統中建立置信規則庫、正向推理、學習訓練等模塊最后,通過三個訓練示例表明本文設計的算法收斂精度、速度等使人滿意,該算法實用,有效。8.學位論文張東升基于神經網絡的智能白酒勾調網絡系統2004,繪制產品質量特征曲線,找出酒的微觀形態特征.2、引入線性規劃、目標規劃基礎理論原理,并根據白酒勾調的實際工藝技術,建立原酒組合優化配比的數學模型.3、利用產生式推理模型建立白酒品評知識專家系統,同時引入神經網絡反向傳播算法(BP算法構建神經網絡案例學習模型,通過機器學習產生口感量化系統.4、各項系統模型集成,引入計算機多線程并行計算方法.5、構建白酒勾調計算機管理網絡系統.層改造評價中的

10、應用-鉆采工藝1999,22(5油層改造是低滲透復雜斷塊油氣藏開發的主要增產措施,整體油層改造配套工藝的發展和完善,使得經濟開發該類油田成為可能,獲得較好的經濟效益成為一切工藝措施優選的基本原則.神經網絡專家系統能針對不同區塊油氣藏的壓裂、酸化現狀,總結分析出可能影響油層改造效果的主要因素,根據相似原理以實例作為樣本學習模型,自動生成專家知識庫.只要輸入擬改造油氣井的參數,根據專家知識庫推理機便能正確實施單井與區塊整體油層改造的選井、選層以及施工效果的預測等綜合評價工作.WN油田W269塊的實例應用表明,該專家系統能較好地解決區塊油層改造的選井選層及其效果評價問題,為實施科學、高效開發油田提供

11、了可靠的評價方法和論證手段.10.學位論文彭鋼刑事案件并案偵查專家系統的構建2006作為人工智能領域最重要和最廣泛的一個應用研究方向,在過去的幾十年中,專家系統技術取得了重大的進展,目前已經基本趨于實用化。它應用人工智能技術,借助專家的專門知識和推理方法,模擬專家決策能力,解決過去只有人類專家才能解決的復雜問題。本文闡述了如何綜合應用人工智能及專家系統的原理方法,在刑事案件并案偵查的特定領域中,以計算機系統模仿刑事偵查專家,構建出并案偵查專家系統,對刑事案件偵辦人員和刑事情報研判人員的串并分析工作提供支持的過程。本文首先描述了刑事案件并案偵查的作用、依據、條件、方法和實施步驟,并簡要概括了刑事案件并案偵查專家系統的一般性需求,然后對刑事案件并案偵查專家系統的基本原理,包括形象思維模型、并案偵查工作模型、系統工作模型和機器學習模型進行了分析,描述了本系統知識庫、工作存儲、推理機、知識獲取程序、解釋程序和人機界面的設計。隨后,本文詳細闡述了本系統的原型在知識獲取、知識表示、不確定性推理、推理策略四個方面的具體實現方法和步驟。依據本

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論