非单调启发知识的智能控制器

本文基于专家系统和控制系统技术,设计了一种非单调启发知识的新型智能控制器,其模拟仿真结果显示出这种控制器的性能技术指标优于一般的模糊控制器和常规的PID控制器,它将实用于生产过程控制系统。

基于启发知识的神经网络训练策略

基于对目前神经网络存在问题的具体分析，认为将启发性信息引入神经网络训练将是提高网络学习能力＼质量以及效率的重要途径。进而讨论了启发知识的来源与种类，将启发性知识分成诱导性约束和强制性约束两类，进而建立了引入网络训练的相应策略，给出了启发性知识引入与选择的具体原则，并建立了两种基于导数关系的启发知识模型。最后建立了神经网络的具体训练算法。具体应用结果证明了所提出策略与方法的有效性。

面向设计需求的知识启发裁剪方法研究

裁剪是在去除系统内部元件基础上利用系统现有资源解决问题,从而大幅提升系统理想化水平的方法。为弥补现有裁剪应用过程中设计者自身知识的局限性和优化裁剪过程中已有启发知识的应用模式,以裁剪本质和实施方式为约束条件,将TRIZ中发明原理作为一类知识源,提取基于发明原理的裁剪启发知识,并在已有设计需求分类基础上,结合设计需求与TRIZ中39工程参数内涵,以及工程参数与发明原理间的优选关系,构建设计需求与启发知识的映射关系,实现裁剪过程中启发知识的有效检索,从而构建面向设计需求的裁剪创新设计过程模型。最后,应用该模型进行大蒜去皮设备创新设计,验证了该方法的有效性。

基于启发式知识的属性约简方法及其在评价体系中的应用

针对知识约简过程中出现的 NP问题 ,提出用于条件属性重要性分析的条件—决策关联度概念 ,以此作为启发式知识用于决定决策表中冗余属性的约简次序 ,最终实现快速、高效地对条件属性集进行约简。文末以广东省自然科学基金立项评审系统作为应用对象 。

基于启发式知识和自适用遗传算法的复合材料铺层优化设计

一般针对复合材料层合板铺层优化设计的研究多侧重于算法的研究,没有考虑到铺层知识对铺层的约束。本文建立了基于启发式知识和自适应遗传算法的复合材料层合板铺层优化模型,采用带置信度的IF-THEN模糊表达方式表达层合板铺层启发式知识,以蔡-希尔(Tsai-Hill)强度准则建立自适用遗传算法的适应度函数,在原有约束的基础上增加了铺层启发式知识约束。算例应用上述模型求解层合板的最佳铺层顺序,并将该结果和没有应用铺层知识约束的优化结果进行比较,证明了该模型的优越性和实用性。

一种结合粗糙集理论和启发式知识的特征选取算法

通常数据库会包含很多冗余特征,找出重要的特征子集叫做特征选取。粗糙集理论提供了一种数学工具来发现所有可能的特征子集。但因为发现的特征子集的数目通常非常庞大,遍历所有子集将非常耗时。文章介绍一种算法,它结合了粗糙集理论和贪心的启发性知识来有效进行特征子集选取。

第一原理与启发式知识协同作用的故障诊断系统

提出一个将第一原理与启发式知识相结合的故障诊断系统，该系统将基于第一原理的方法与传统的基于经验知识的方法协调统一起来，因此兼具两种方法的优点。

启发式知识获取方法研究

归纳学习是解决知识自动获取的有效方法。针对ID3算法、基于粗集的归纳学习以及其它一些归纳学习方法存在的问题,提出了一种新的归纳学习算法ITIL。此算法用信息增益为启发式,选择尽量少的重要属性或组合,以可分辨性为依据提取规则。许多实例表明,这些规则不仅简单,而且冗余小。作为知识获取模块的一部分,ITIL已被集成到一个“基于知识发现的医疗诊断辅助系统”动态知识库子系统中。

基于路径引导知识启发的强化学习方法

为了提高强化学习算法的运行效率和收敛速度,提出了一种基于路径引导知识启发的强化学习方法PHQL。采用PHQL方法,不需要提前植入先导知识,agent在每一轮学习过程中更新Q表的同时,各个状态的路径知识也自主地建立起来并逐步修正和优化。算法利用已经获得的路径知识来指导和加速agent以后的强化学习过程,以减少agent学习过程的盲目性。分析了PHQL算法的探索、利用和启发3种行为的执行概率以及行为选取方法,提出一种行为选择概率随时间渐变的算法。以一个路径搜索问题为实例,对PHQL方法进行了验证、分析并与几种相关的强化学习算法进行了性能对比。实验结果表明,作者提出的方法对学习过程具有明显的加速作用,收敛性能有了较大的提高。

基于逻辑与启发性知识的MINLP过程综合方法

提出了一种系统化的基于逻辑与启发性知识的MINLP过程优化综合方法 .该方法将超结构图的拓扑结构分解成特定的几种设备连接类型 ,通过组合形成基于逻辑的混合整数规划模型 ,克服了数学规划法在建模方面所存在的不直观、难于系统化地实现、复杂的超结构模型难于建立等缺点 .模型中还以硬逻辑或启发的形式引入工程经验 ,减小了搜索空间 ,加快了求解速度 .通过化工厂公用工程系统综合的实例 ,将本方法与传统的层次分解法、数学规划法进行了比较 。

利用启发性知识降低交叉算子破坏性的研究

在随机搜索的过程中,交叉算子被认为是演化算法的主要动力.然而,在搜索更好的候选解的时候,如果交叉点选择不当就会破坏一个已有的较好的候选解,使得交叉后生成的新候选解比原有的候选解更差.该文提出应用与问题相关的领域知识构建更有建设性的交叉算子,并应用于旅行商问题(TSP).实验结果表明,基于具有建设性的交叉算子的混合演化算法具有更好的性能.

基于未知环境状态新定义及知识启发的机器人导航Q学习算法

由于强大的自主学习能力,强化学习方法逐渐成为机器人导航问题的研究热点,但是复杂的未知环境对算法的运行效率和收敛速度提出了考验.提出一种新的机器人导航Q学习算法,首先用三个离散的变量来定义环境状态空间,然后分别设计了两部分奖赏函数,结合对导航达到目标有利的知识来启发引导机器人的学习过程.实验在Simbad仿真平台上进行,结果表明本文提出的算法很好地完成了机器人在未知环境中的导航任务,收敛性能也有其优越性.

行列式概念的启发式教学探讨

从行列式产生的几何背景出发,提出行列式概念的一种启发式教学方案.利用行列式定义的建立过程,充分训练学生发现、归纳、证明知识的能力,培养学生的科研素质和创新思维.

融合多特征的最大熵汉语命名实体识别模型

最大熵模型能有效整合多种约束信息,对于汉语命名实体识别具有很好的适用性.因此,将其作为基本框架,提出一种融合多特征的最大熵汉语命名实体识别模型.该模型集成局部与全局多种特征,同时为降低搜索空间并提高处理效率,而引入了启发式知识.基于SIGHAN 2008命名实体评测任务测试数据的实验结果表明,所建立的混合模式是一种组合统计模型与启发式知识的有效汉语命名实体识别模式.基于不同测试数据的实验说明,该方法针对不同测试数据源具有一致性.

快速的领域文档关键词自动提取算法

针对现有关键词提取算法需要大量训练数据及时间、常用词分词困难、互联网文档噪音等问题,提出了一种基于TF-IWF的领域文档关键词快速提取算法。该算法使用简单统计并考虑词长、位置、词性等启发性知识计算词权重,并通过文档净化、领域词典分词等方法提高了关键词提取的速度及准确度。对523篇学生心理健康领域文档的实验结果表明,该算法提取的文档关键词质量优于TF-IDF方法,且能在时间内完成。

遗传算法交叉和变异操作的模糊优化

该文针对遗传算法存在的问题,在总结了有关交叉和变异操作的启发性知识的基础上,给出了交叉概率、交叉点位置和变异概率的模糊优化规则,提出了一种新的基于模糊控制器的遗传算法(FCGA)。对三个函数的优化结果表明:FCGA不仅能够有效克服早熟收敛,而且提高了算法的收敛速度。

研讨式教学方法在医用有机化学教学中的应用

有机化学是医学专业重要基础课程。随着教育教学改革的发展,使得医学有机化学的教学面临不少困境。本文从分析教学现状入手,分析问题,提出具体的解决方法,尝试用研讨式教学方法进行医学有机化学的教学改革。采取启发式知识传授、互动式讨论、课题式研讨、研究性实验、归纳性总结等几个环节,激发学生的学习兴趣,提高学生的综合素质。取得了良好的教学效果。

一种基于景观特征的浮点数编码遗传算法研究

遗传算法作为一种适应性搜索技术得到了普遍的应用,但其搜索效率不如启发式搜索。已有研究者将启发式知识用于二进制编码遗传算法,但浮点数编码在函数优化和约束优化领域明显有效于其它编码。本文基于算法运行时的景观特征作为启发式知识,用于浮点数编码遗传算法,力求提高其搜索效率、增强其局部搜索能力、拓展其应用领域。本文的理论研究和实验结果表明,将景观特征用于浮点数编码遗传算法,理论是可靠的,方法是可行的。