基于Agent的模式识别框架APRF的研究

模式识别过程就是对输入模式的分类过程,类是模式的本质,一般认为特征向量是模式的概括,基于这一认识,使得计算机准确地识别模式为某一类是困难的,问题在于人类的识别活动从不基于什么概括的特征向量,而是基于对输入模式的某一侧面的认识,然后利用相似、融合、协同进行识别.这一机制与Agent的工作原理极其相似,通过分析概括模式对模式识别所带来的困难,基于协同学中序参量的概念,给出了基于Agent的模式识别框架APRF(agentorientationpattenrecognitionframe).

基于参照模型的联机手写汉字笔划提取及识别

本文提出一种基于参照模型的联机手写汉字的笔划提取及识别的新方法 ,在该方法中不但考虑了流字识别中笔划的提取、匹配 ,还充分考虑到笔划间的连接关系 ,在手写汉字识别中取得了较好的效果。

演绎推理可以得到新知

演绎能否得出新知?这是逻辑史上长期未获得解决的问题.并且认为新知智能通过归纳和类比获得,剖析了人们对演绎推理的误解,用事实说明演绎推理可以得到新知.

基于Agent的模式识别框架APRF在聚类分析中的研究

基于Agent的模式识别框架APRF(agent-oriented pattern recognition frame).先用自下而上方法对模式建模,然后再自上而下对模式分类.让计算机模式识别更符合人的认知过程的特点,然后阐述APRF在聚类分析中的应用.

艺术教学在计算机基础教学过程中的实施

根据计算机基础教学中的体会,结合计算机教学的内容特点,阐述在教学实施过程中如何艺术性地引导学生走进数字化空间,增加学生兴趣和培养学生的创新能力,从而更好地完成计算机基础教学任务。

离散时间Petri网的模糊模型

离散时间Petri网是一种系统模拟和分析的有效工具 ,它可以结合图形和分析描述评估离散事件系统的动态执行 基于TS模糊模型 ,提出用于描述离散时间Petri网的模糊模型 ,讨论该模型适应于TtPNs的情况 ,用以推广文章结论 ,并且给出用于TtPNs的线性模糊控制规则 同时 。

人工智能与几何证明

实现人工智能的根本途径是脱离计算机的串行冯·诺依曼体系结构或模拟人类认知活动，机器证明是人工智能的重要研究课题，基于知识的平面几何证明系统—ＥＵＣＬＩＤ是模拟人类几何专家证明的认知过程的知识系统，其基本思想就是组块式构造知识库，利用优越图进行索引。

几何推理在人工智能中的应用

几何学是一门古老的，严密的和形式化的数学分支，在我们对现实世界理解中起着重要角色．本文介绍几何推理在人工智能应用中的最新进展，并讨论几何推理的前景．