我欲封天耳根小说,豆豆小说阅读网,欢乐颂小说结局

噴射器企業傳統的智能技術與方法

發布時間： 2022/8/20

　　　　　　　　　噴射器企業傳統的智能技術與方法
　　人工智能主要從事于有關人的思維能力和借助計算機模仿或模擬人的思維工作方面的嘗試。雖然目前對人工智能的所有期望還不能完全實現，但是在一些應用領域，如診斷、配置、計劃、咨詢、輔助決策和制定計劃等，已經可以達到預期的效果。
　　人工智能中的研究重心是噴射器知識表達、知識處理和知識獲取。
　　1．知識的概念和分類
　　到目前為止，人們還無法給出知識的確切定義。噴射器知識工程中，通常不去追究關于知識的精確定義，而只是對其進行說明和描述，使其實用化和具體化。知識自身的復雜性決定了對它的理解是多層次和多方位的。通常，可以把知識理解為：“知識是以各種方式把一個或多個信息關聯在一起的信息結構，簡言之，知識是一個或者多個信息之間的關聯"。其中，信息可解釋為：“數據所表示的含義(或者稱數據的語義)”。上述的解釋雖然揭示了知識與信息之間具有的關系，可是仍然顯得過于籠統。從數學的角度，知識可以理解為：“知識是由副本客觀世界機器產生、理解并具有正確性和自身結構的不斷擴充的符號集”。
　　可以從不同的角度對知識進行不同的分類。按照邏輯抽象的角度，可以把知識分為：①過程型知識：傳統的數據處理將知識寓于程序中，即程序就代表系統解決問題所使用的噴射器知識，這種知識的表示類型稱為過程型知識。這種類型的知識針對特定的問題，只適合完全正確的知識，很難描述模糊知識。因此，過程型知識表示要求待處理的問題具有成熟的解法以及完整、準確的數據。②描述型知識：以描述的方式表示的知識稱為描述型知識，包含事實知識和判斷知識。事實噴射器知識描述有關對象、事件以及行為等特征；判斷知識是指對事實的判斷和判斷的過程。③元知識：所謂元知識，就是關于知識的知識。它可以分為三類：一是有關怎樣組織、管理知識的元知識，它刻畫了知識的內容和結構的一般特征，以及分類和綜合等有關特征；二是有關利用知識來求解問題方面的元知識(如推理方法)，它對領域知識的運用起指導作用；三是有關從知識源中獲取知識的知識。
　　2．知識表達
　　不同類型的知識可以采用不同的知識表達方式。從計算機內部描述的角度出發，可以概括為三種類型的知識表達：面向邏輯、面向規則和采用面向對象思想的結構化表達。盡管這些表達類型在應用中對于基于知識的系統的組織和執行相互問不是完全分離的，但是它們在知識的描述能力方面仍然存在著差異。
　　1)面向邏輯的表達
　　邏輯提供一種以所謂謂詞陳述形式描述知識的可能性，它是一種用于描述對象及其之間邏輯關系的形式上的符號。它含有一個語法，用它可以建立邏輯的陳述。謂詞邏輯表達法是面向邏輯表達的典型代表。
　　謂詞邏輯法經常用于其他噴射器知識表達的參考點。由一個謂詞部分和一個推理部分組成的謂詞邏輯的陳述稱作公理、事實或者假定，此時它們在知識庫中以顯式方式被表達。
　　謂詞邏輯法適用于描述以事實、關聯和規則為形式的問題和邏輯關系。謂詞邏輯可以劃分成一階謂詞邏輯和二階謂詞邏輯。一階謂詞邏輯在強度、適應性和有效性方面均存在不足，而在可靠性、完整性、時間依賴性和知識構造等方面也沒有充分被考慮；而二階謂詞邏輯在實際的信息處理方面還沒有得到廣泛應用。
　　為了更好地描述和處理模糊陳述，出現了非典型的邏輯表達方法。非典型邏輯表達方法與典型邏輯表達方法的區別在于其采用了“真”和“假”兩個詞。例如，情態邏輯使用了“真”“假”“可能”等詞。其他的非典型邏輯表達方法還有：非單調邏輯、暫存邏輯、或然性邏輯以及模糊邏輯等。其中，模糊邏輯是非典型邏輯表達方法中的代表。模糊邏輯的重要應用領域是控制和調節技術。圖1是典型邏輯與模糊邏輯之間的區別。
　　

　　圖1 典型邏輯與模糊邏輯之間的區別
　　2)面向規則的表達
　　面向規則的表達由一個條件部分(前提)和一個操作部分(結論)組成。條件部分描述在什么樣的條件下規則被使用；操作部分含有行為或蘊含的內容，用它們可以改變一種狀態或者推導出一種陳述的真實內容。
　　主要用規則來表達和處理知識的系統稱為產生式系統，其規則稱為產生式規則。產生式系統在大多數情況下由一個規則庫、一個存儲中間結果的動態工作存儲器和一個表達系統推理機制的解釋器組成。除了組織良好、可供基于規則描述的知識庫在模塊化構造和易于維護等方面的優點外，規則也可用來描述不可靠或不完整的知識。面向規則的表達方法可以表達過程性知識，也可以描述說明性知識。另外，面向規則的表達方法易于專家和使用者理解他們所表達的知識，同時在計算機內部結構中也容易被描述。
　　面向規則的表達方法的缺點在于難以理解規則控制的流動，以及在大量不完備的規則情況下，需要上下文關系分析才能細化問題、解決問題。因此，需要將大量的規則“模塊化"，即相關的規則綜合成“規則包"，以減少所需考察規則的數目。
　　3)采用面向對象思想的結構化表達
　　結構化表示方式的特征是結構與層次清楚，主要優點是表示的噴射器知識自然、直觀。其中，框架系統和語義網絡是比較常用的兩種結構化知識表示方式，而面向對象的表達方法也越來越多地被采用。此外，當前出現了比“對象”更富動態性、更具人工智能含義的“智能體”(Agent)概念。可以認為，面向智能體技術是面向對象技術在人工智能與專家系統應用領域中的發展。
　　語義網絡(semantic network)在形式上是一個有向圖，由一個結點和若干條弧線構成，結點和弧線可以有標號。結點表示一個問題領域中的物體、概念、事件、動作或狀態，弧線表示結點之間的語義聯系。在語義網絡知識表示中，結點一般分為實例結點和類結點兩種類型。有向弧用于刻畫結點之間的語義聯系，是語義網絡組織噴射器知識的關鍵。比較典型的語義聯系有兩種：一種是以個體為中心組織知識的語義聯系。其結點一般都是名詞性個體或概念，通過實例聯系、泛化聯系、聚類聯系和屬性聯系等作為有向弧描述有關結點概念之間的語義聯系；另一種是以謂詞或關系為中心組織知識的語義聯系。設有1元謂詞或關系R(R，， R：，…，R。)，分別取值A。，A：，…，A。，其對應的語義網絡可以表示為圖2的形式。
　　框架(frame)是一種數據結構。對于一個特定的事物，通過把它的特征數據填入框架，達到對該事物進行
　　

　　圖2關系語義網絡表示
　　表示的目的；同時，可以通過以往的經驗獲得的概念對這些數據進行分析和解釋，還可以尋找與該事物有關的統計信息?？蚣苡煽蚣苊鸵唤M用于描述框架各方面屬性的槽(Slot)組成。每個槽設有一個槽名，它的值描述框架所表示的事物的各組成部分的屬性。在比較復雜的框架中，槽下面又可以再進一步分為多個側面(facet)，每個側面又有一個或者多個側面值，每個側面值可以是一個值或者是一個概念的陳述。框架結構的抽象表示如圖3所示。
　　

　　圖3框架結構的抽象表不
　　面向對象方法(OOM)的本質是強調從客觀世界中固有的事物出發來構造系統，強調系統中的對象及對象之間的關系能夠如實地反映客觀世界中的固有事物及其關系。
　　具有相同結構和處理能力的對象用類(class)來描述。一個類實質上定義了一組對象類型。它描述了屬于該對象類型的所有對象的性質。如果一個對象具有某個類所描述的特性，那么該對象就是這個類的異構實例(instance)。類的描述中通常包括類名、類變量、實例變量及一組稱為方法(method)的操作程序。類和類之間可以形成一定的層次結構，如超類(superclass)和子類(subclass)。類的層次結構的一個重要特性就是繼承(inheritance)。
　　Agent是一個具有智能行為的信息處理單元(Information Process Cell，IPC)。它是一個抽象的實體，具有社會性、自治性、反應性、主動性和協作性等特性。Agent除了具有與外界交互的感知器及對信息進行存儲加工的信息處理器、記憶庫外，還具有通信機制及根據共同目標和自己的職責所產生的目標模塊和反作用于外部環境的效應器。 Agent基本結構如圖4所示。與人類的大腦類似，Agent的信息處理器是體現Agent智能行為的最重要的部件。由人類信息處理的分層結構可知，Agent的信息處理器應由信號/信息過濾器、控制器、符號推理機制、類比匹配機制、內部執行機制及知識庫組成。其中，知識庫中包含兩類知識：一類是規則；另一類是知識塊。信息處理器在接收到信號/信息后，先對其進行過濾、抽象、聚合，使其形成與客觀世界對象聯系起來的有意義的符號，然后運用推理機制及知識庫中的規則處理信息，并形成新的知識塊，知識庫中的規則及知識塊隨著問題的處理不斷被添加及更新。
　　

　　圖4 Agent基本結構
　　3．專家系統
　　專家系統(Expert System，ES)是支配一個知識庫的軟件系統，它表達部分領域中的噴射器專家知識。專家系統中最重要的組成部分是知識獲取部分(推理部分)，在它的幫助下，借助所存儲的知識實現問題的求解。
　　專家系統的原理性結構如圖5所示，知識庫和問題求解部分或知識獲取部分構成系統的核心。對話部分可以有選擇地被集成或與另一個系統(如CAD系統)相連接。說明部分和知識獲取部分通常不是專家系統的組成部分，但通常又是不可缺少的。
　　推論系統的實質是程序，它們試圖證明數學定理或者在此基礎上實現應用。知識的表達方式大多采用一次謂詞邏輯法。推論式推理表達由一個給定的前提推導出一個邏輯的陳述，并由此推導出新的事實，它們顯式地表達了隱含在以往事實中的信息。實際中主要使用的推論性推理策略包括：肯定前件的假言推理、判別、非單調推理和類似推理等(圖6)。專家系統的過程控制方法是：正向推理和反向推理、深度和寬度尋找以及基于黑板系統的控制策略等。
　　知識獲取(knowledge acquisition)在專家系統中至關重要，專家系統是否可以實用化直接取決于是否可以對知識進行有效獲取。知識獲取的任務在于把已有經驗、事實、規則等)從大腦或者書本中總結和提取出來并轉換成某種可以廣義上，也把從已獲取的知識和實例中以某種方式產生新知識的任務(即機在知識獲取的范疇中。所以，噴射器知識獲取要研究的主要問題包括：①對專家習理解、認識、選擇、抽取、匯集、分類和組織的方法；②從已有的知識和實例中包括從外界學習新知識的機理和方法；③檢查或保持已獲取知識集合的一盾性)和完全性約束的方法；④盡量保證已獲取的知識集合無冗余的方法。方法主要有三種：間接的知識獲取、直接的知識獲取和自動的知識獲取。
　　

　　圖5專家系統的原理性結構
　　

　　圖6推論性的推理策略
　　4．人工神經網絡
　　人工神經網絡(Artificial Neural Network，ANN)是一個以有向圖為朝態系統，它通過對連續或斷續式的輸入作狀態響應而進行信息處理。AN八量的、同時也是很簡單的處理單元或稱神經元通過廣泛地互相連接而形成自統。雖然每個神經元的結構和功能十分簡單，但由大量神經元構成的網絡勇是十分復雜的。ANN系統是一個高度復雜的非線性動力學系統，不但具舉系統的共性，還具有其自身的特點，如高維性、神經元之間的廣泛互連性以另自組織性等。
　　圖7為一個簡單的神經網絡，其中的每個小圓圈表示一個神經元。各個神經元之
間通過相互連接形成一個網絡拓撲，這個網絡拓撲的形成成為神經網絡的互連模式。不同的神經網絡模式對神經網絡的結構和互連模式都有一定的要求或限制。通過對實例的反復訓練，神經網絡可以表達問題域和求解域之間錯綜復雜的映射關系。這一點有利于知識的獲取。然而， ANN要獲得覆蓋整個過程且充分可靠的信息描述(訓練數據)十分困難；同時，ANN不能處理復雜結構的數據，也無法保證訓練結果的合理性。
　　

　　輸入　　　　　　　　　輸出
　　圖7一個簡單的神經網絡
　　5．演化算法
　　演化算法(Evolutionary Computation，EC)又稱進化算法，它通過學習和借鑒大自然的演化規律來解決我們面臨的各種計算問題，從EC所模仿的對象上分，可分為兩大類：仿生演化算法和擬物演化算法。仿生演化算法是模擬由個體組成的群體的集體學習過程，其中每個個體表示給定問題搜索空間中的一點，隨機地產生一初始群體，通過選擇、變異、重組操作，使群體演化到搜索空間越來越好的區域。擬物演化算法是模擬自然界物理系統從初始狀態演變到能量最優或狀態最優的平衡狀態的學習過程。演化算法的流派較多，典型的有遺傳算法(Genetic Algorithm，GA)、遺傳程序設計(Genetic Programining，GP)、演化策略(Evolutionary Strategy，ES)、演化程序設計(Evolutionary Programming，EP)、模擬退火算法(Simulated Annealing，SA)等。
　　這幾種典型的演化算法都是對解空間的一組初始群體進行操作，通過隨機地改變當前解而產生新解，利用目標測量函數來計算每個實驗解的適應值，同時使用某種選擇機制來決定保留哪一種解進入下一代。它們的共性反映了演化算法的下述特點：①極度并行性，即其群體可以分裂成相對獨立的子群體，形成具有各種粒度的并行算法；②通用性，既可用來解決各種類型的優化、搜索與學習等問題，又利于建立各種類型的軟件環境。③靈活性，即易于形成各種并行計算系統(包括分布式系統、并行機系統，以及人工神經網絡系統等)的自適應與自組織算法。上述特點使得EC有可能成為并行計算和并行仿真的主要手段。

上一條：可靠的決定是噴射器客戶的估價重因素下一條：增材制造粘結劑噴射成形技術論壇將于9月15日舉行

成人高清视频在线观看-成人高清视频免费观看-成人高清免费-成人高清护士在线播放-亚洲www美色-亚洲wwwwww