混合专家系统模型和贷款风险分类

主要探讨了混合专家系统结构 ,该结构充分利用了符号机制和神经网络各自的优点 ,使它们优势互补。并把该系统应用在银行贷款分类方面 ,帮助信贷人员决定在何种情况下批准贷款 ,为贷款分类结果提供充分和必要的依据 ,减少贷款风险。

混合专家系统中的协调机构

协调机构是混合专家系统中关键部件之一 ,对充分发挥混合专家系统的功能至关重要。

联接机制与符号机制集成的混合专家系统

本文描述了一种联接机制与符号机制的集成方法，其关键是提出导入导出函数，进而给出了这些函数的定义。

面向对象的知识表示与混合专家系统设计

面向对象的知识表示是近些年来才提出的一种知识表示方法，本文探讨了它的基本原理，并利用它来构筑知识库以及实现混合专家系统工具。文中着重讨论了面向对象的知识表示，面向对象的知识库和混合专家系统工具。

混合专家系统的研究及进展

在简要回顾符号专家系统和神经网络技术的基础上，综述了基于这两种技术的混合专家系统研究领域当前发展的状况。基于符号推理的专家系统在７０年代取得了长足的进步，但其自身的弱点决定了专家系统技术在发展过程中必然遇到不可克服的困难；８０年代，以联接主义为特征的神经网络技术得到了迅速地发展，一定程度上突破了符号专家系统所面临的障碍。神经计算与符号推理系统之间的互补性，使得基于这两种技术的混合专家系统被认为是当前人工智能领域重要的研究方向之一。

矿井优化设计预处理的混合专家系统

介绍了一种用于矿井方案优化设计预处理的混合专家系统——基于神经网络与规则推理的专家系统；阐述了该混合专家系统的基本结构及实现过程，提出输出向量的模糊分类；此外，简要介绍了该系统的实际应用。

混合型专家系统在材料设计中的应用

将传统专家系统和人工神经网络的优点相结合,构建混合型专家系统应用于材料设计,弥补了神经网络和专家系统各自的缺陷,建立了材料的成分和性能之间的关系,并通过实验验证了成分对性能的影响规律,实现了知识库自动获取知识,提高了对新材料的预测能力,为加快新材料的研究和开发提供了有力的工具.此研究结果在实践中有较高的应用价值,可以大大降低试验成本,提高新材料开发速度.

焊接产品质量分析及诊断的混合型专家系统的一种开发方法

在搜集专家经验和专业知识的基础上 ,结合专家系统原理 ,用 Visual Basic开发了一个焊接裂纹预测及诊断专家系统 ,并在实践中发展了人工智能理论 .实际评价表明 ,本系统功能强大 ,运行可靠 ,预测和诊断结果的准确性可基本满足工程的要求 .

永磁直流无刷电机设计混合型专家系统的研究

提出了一种基于人工神经网络技术永磁直流无刷电机电路参数精确预测方法。在此基础上 ,将人工智能技术与电机设计技术结合 。

康奈尔混合区专家系统(CORMIX)软件简介

介绍了康奈尔混合区专家系统软件的主要功能、结构、主要特点、输入参数及结果输出及其在国外核电厂温排水数值模拟中的应用情况,提出引进该软件并在国内核电厂液态流出物排放数值模拟中应用的建议。

异步电机设计混合型专家系统的研究

根据异步电机设计的特点,将人工神经网络、数据库技术与专家系统结合,提出并建立了电机设计混合型专家系统EMDIES的模型。在EMDIES系统中,采用神经网络与数据库技术结合的方法确定电机初始设计方案,采用基于规则的专家系统实现设计方案的调整并指导优化设计过程,以专家系统的思想贯彻于异步电机设计的全过程,拓宽了专家系统在电机设计中的应用范围。

基于混合型专家系统的资信评估系统模型设计与实现

文章探讨将人工神经网络与专家系统结合应用于商业银行企业信用评估 ,并以一个混合型专家系统ECAMES(EnterpriseCreditAssessmentMixedExpertSystem)为例 ,阐述了混合型专家系统模型的设计与实现。

基于神经网络和专家系统的企业信用等级评估系统开发

企业信用评估对于商业银行是一个非常重要而又极其复杂难做的工作.研究开发了将人工神经网络与专家系统技术相结合应用于商业银行企业信用评估的系统,并以一个原型系统为例,阐述了此类混合型专家系统模型的设计与实现.

基于混合最小二乘支持向量机网络模型的非线性系统辨识

针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识,同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.

混合故障诊断专家系统

对大型复杂生产系统进行状态监测和故障诊断难以用单一诊断理论和技术实现。将协同计算机网络、专家系统、神经网络和小波分析等先进理论和技术有机地结合起来,研究和构造了模块化的混合故障诊断专家系统,以实现对某钢厂大型复杂自动化冷轧生产线进行状态监测和故障诊断。研究结果表明,混合专家系统为大型复杂系统的状态监测和故障诊断提供了崭新而有效的技术手段。

基于集成树和MoE的馈线统计线损率双层估计模型

统计线损率是衡量电力系统经济运行的重要指标。然而,用户用电数据采集异常、数据传输中断等因素会导致统计线损率异常或缺失,这严重阻碍了智能配电网的线损精益化管理与经济高效运行。针对馈线统计线损率合理值的估计问题,该文提出了一种基于集成树和混合专家系统(MoE)的馈线统计线损率双层估计模型。首先,使用最大信息系数以更有效地分析统计线损率与其相关特征间的非线性关系,并采用鲁棒性强的K-Medoids聚类算法对馈线进行精细划分;然后,使用Stacking集成学习框架,基于基估计和元估计双层模型对馈线统计线损率进行两阶段估计,选用决策树和各类集成树模型作为基估计模型对统计线损率进行初步估计,将各基估计模型输出结果输入元估计模型MoE中进行最终估计,使用方均根误差(RMSE)和平均绝对误差(MAE)来衡量模型所估计统计线损率的合理性;最后,通过算例分析表明,与其他模型相比,该文所提馈线统计线损率双层估计模型具有更低的RMSE和MAE,对馈线统计线损率的估计效果更好。

用结构化询问语言数据库合成智能系统

智能系统广泛应用于各种知识领域中。每个智能系统都有它内在的承受力和局限性 ,现在人们趋向于将多个智能系统合成起来。这种合成不仅能提高单个智能系统的承受力 ,还能减少它们的缺陷。在本文中 ,提出了这样一种方案 :1 )将智能系统和数据库联系起来 ;2 )将结构化询问语言 (SQL)数据库作为连接器 ,使得多个智能系统组合在一起 ,从而形成实时分布式混合应用。

一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法

在目标识别中,对于样本数较多且分布复杂的数据,若将所有训练样本用来训练一个单一的分类器,会增加分类器的训练复杂度,且容易忽视样本的内在结构,不利于分类。因此人们提出了混合专家系统(ME),即将训练样本集划分为多个训练样本子集,并在每个子集上单独训练分类器。但是传统ME系统需要人为确定专家个数,并且每个子集的学习独立于后端的任务,如分类。该文提出一种基于Dirichlet过程(DP)混合隐变量(LV)支持向量机(SVM)模型(DPLVSVM)的目标识别算法,采用DP混合模型自动确定样本聚类个数,同时每个聚类中使用线性隐变量SVM(LVSVM)进行分类。不同于以往算法,DPLVSVM将聚类过程和分类器的训练过程联合优化,保证了各个子集中样本的分布上的一致性和可分性,而且可以利用Gibbs采样技术对模型参数进行简便有效的估计。基于人工数据集、公共数据集以及雷达实测数据的实验验证了该文方法的有效性。

用于高分辨遥感影像场景分类的迁移学习混合专家分类模型

针对小样本遥感影像场景数据集中地物多样性和分布复杂性引起的分类精度低下的问题,提出一种基于迁移学习的混合专家(TLMoE)分类模型。该模型通过多通道充分利用包含场景全局信息的全连接层特征和包含场景局部细节信息的卷积层特征,能够实现更精确的场景分类。基于全连接层特征的预判通道,利用场景全局信息完成对全部类别场景的初判;通过专家通道为每类场景训练专属专家网络,针对性地挖掘各类场景卷积层特征中蕴含的关键局部信息,提取可区分相似场景间细微差异的局部特征,完成细粒度的识别;结合预判权重实现顾及场景全局及局部差异的分类。在小样本数据集上的实验表明,本文方法可有效识别易混淆场景,能够取得较好的分类效果。

精锻工艺数字化智能化方法探讨

精锻是零部件制造的一种重要方法,研究其数字化和智能化成形方法对产业转型升级具有重要意义。首先介绍了我国精锻成形工艺同国外先进水平的差距,分析了目前精锻工艺方案设计方法的优点及存在的问题。随后论述了精锻成形工艺数字化智能化方法的内涵,以及精锻成形工艺方案的数字化智能化设计与智能自动生产线的建立。最后,以气门电热镦粗成形工艺为例,阐述了数字化智能化方法与软件系统的开发及应用情况。应用结果表明,实现精锻成形工艺方案及工艺参数的数字化智能化设计不仅能够显著提高设计效率,而且可以达到自动优化的目标,实现精锻成形工艺与信息技术的深度融合,从而达到提质增效的效果。