几何定理机器证明的并行前向推理

为了提高传统前向推理算法在几何定理机器证明中的解题效率,采用并行计算方法来组织推理过程,基于消息传递模型,分析了前向推理并行算法的任务划分、通信组织、任务调度等问题,讨论了算法的时间复杂度,并在MPICH 2构建的并行计算环境下实现了并行前向推理算法.对多个几何定理实例进行的并行性能指标测试表明,该算法并行性好,与传统串行算法相比,在证明复杂的几何命题时,能显著减少推理时间.

对GRAOM+中前向推理方法的改进

基层用户产生的本体映射关系蕴含着相关领域的类层次结构,利用这部分知识可用于新映射关系的产生。现有的系统考虑了类层次关系的复杂性,加入了等价关系的应用,但是在知识库处理中的前向推理阶段,对矛盾知识仅是简单删除,从而影响到查全率。针对这些问题,提出了来源可信度以精确知识的可信程度,并重新设计了类层次知识库的矛盾知识推理规则。实验表明,改进的系统使知识结构更加精确,在保证查准率的同时可以明显改善查全率。

一种对基于GRA本体映射的精细前向推理方法

基层用户产生的本体映射关系蕴含着相关领域的类层次结构,利用这部分知识可用于新映射关系的产生。现有的系统考虑了类层次关系的复杂性,加入了等价关系的应用,但是在知识库处理中的前向推理阶段,对矛盾知识仅是简单删除,从而影响到查全率。针对这些问题,提出了来源可信度以精确化知识的可信程度,并重新设计了类层次知识库的矛盾知识推理规则。实验表明,改进的系统使知识结构更加合理,在保证查准率的同时可以明显改善查全率。

基于Caffe加速卷积神经网络前向推理

为加速卷积神经网络的前向推理速度,提出一种针对卷积操作访存连续性的优化策略。在深度学习框架Caffe中,卷积以矩阵乘法的形式实现。Caffe卷积包含两个主要操作,分别是im2col和gemm。im2col称为image to columns,负责展开输入图像;gemm是general matrix-matrix multiplication的缩写,负责完成矩阵与矩阵之间的乘法运算。在以行优先的体系结构中,通过转置操作改变输入图像的数据排列,提升im2col和gemm的访存效率。实验结果表明,卷积操作的平均加速比在40%左右。

Ada智能模拟包AISP的前向推理系统

AISP是一个用Ada语言开发的智能模拟环境。本文从界面语言、知识库、推理机等几个方面详细介绍AISP前向推理系统的设计及其两种应用途径:作为智能模拟包,构造军事智能模拟系统;作为专家系统工具,开发军事专家系统。

MPI环境下的几何定理并行自动推理

将几何定理机器证明和并行计算结合起来考虑,尝试用并行计算方法来提高传统定理证明算法效率,探讨了前推法、数值并行法的并行算法,分析了两种定理证明算法在消息传递编程模型下的任务划分、通信组织、任务调度等问题,并用MPICH2实现了这两种并行算法,对算法的并行性能指标进行了测试,测试数据表明,两种并行算法在基于MPI-2的并行计算环境下,能很好地发挥并行计算的优势,有效缩短构造性几何命题机器证明的时间。

基于粗糙集的故障诊断方法

利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,在前向推理和反向推理的基础上,给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤,讨论了这种故障诊断方法的诊断性能及其在计算上的复杂度.通过这种方法能够进行故障的寻找和定位,实例分析的结果说明了利用粗糙集进行知识发现及建立智能故障诊断系统的可行性和有效性.

基于GRA本体映射研究

基层用户产生的本体映射关系蕴含着相关领域内的类层次结构,利用这部分知识可用于新映射关系的产生.但是现有系统存在以下缺点:类层次复杂性考虑不足,矛盾知识不完全删除和效率低下.针对这些问题,文章提出将基层本体映射的相似和等价关系进行不同处理的方法,并重新设计了类层次知识库的前向推理规则.实验表明,改进的系统使效率得到提高,在保证查全率的同时可以明显改善查准率,而且能较好支持本体复合映射.

如何用Jess开发专家系统

在当今的人工智能领域当中,出现了许多以Java为核心技术的专家系统开发工具,Jess(Javaexpertsystemshell)就是一种基于Java的专家系统外壳。本文简要介绍了Jess的内容,并给出了用它开发专家系统的一些基本的应用方法。

基于深度强化学习的多模态医学图像配准

传统图像配准方法中,图像特征的表示和相似性测度的选择易受到人为因素的影响,不能准确地表征图像特征和配准图像的相似度,从而对配准结果产生较大误差.针对此问题,借助端到端的强化学习方法,对这2个部分进行隐式的表达,从而避免人工设计的缺陷.具体而言,设计了一个人工智能体模型,由策略网络和价值网络2部分组成,用以指导浮动图像朝着参考图像的方向正确移动,进而实现图像配准.提出使用异步表演者-评论家方法进行模型训练,以避免经验回放操作,降低模型训练对存储容量的要求并加快模型的收敛;同时提出一种奖赏函数,能够给予每个时间步上图像配准动作估计更为准确的奖励.此外,在测试阶段,使用了蒙特卡罗前向推理策略,进一步提高配准参数的准确性.在MR和CT的临床医学图像配准数据集上进行实验,与传统基于尺度不变性配准算法、基于深度学习配准算法等进行对照分析,实验结果表明,所提出的方法目标配准误差可以减少30%左右,同时能够更好地处理具有大幅度形变的配准问题.

基于交会轨道的空间操作任务自动规划方法

当前对空间操作任务的规划主要集中在轨道层面,而对载荷动作的规划研究较少。由于载荷的工作受系统状态和资源等的制约,因此对实际任务而言,仅有轨道规划还不够,还需要对动作进行规划。为了实现动作层的自动规划,提出了一种基于路径的空间操作任务自动规划方法。该方法在利用交会轨道规划算法对接近轨道进行规划的基础上,根据相关载荷的工作参数自动生成完成任务所需要的初始动作序列,并利用前向检测后向推理算法对动作序列中的冲突进行检测和修复,直至冲突得到消解。以一个空间抓捕任务为例进行了规划,验证了所述方法的有效性。