导读:本文包含了混合推理论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:作战,图谱,矩阵,模糊,规则,案例,智能。
混合推理论文文献综述
罗承昆,陈云翔,顾天一,项华春[1]（2019）在《基于前景理论和证据推理的混合型多属性决策方法》一文中研究指出针对属性权重完全未知的混合型多属性决策问题,提出一种基于前景理论和证据推理的决策方法。通过直觉模糊数对精确数、区间数和语言变量3种混合型属性的决策信息进行统一,根据前景理论对决策信息进行转化;提出基于直觉模糊熵与相似度的属性可靠性评估方法,结合属性重要度确定属性权重;采用证据推理算法集结属性信息,得到方案的综合前景值,并以此进行方案排序。算例分析结果表明,所提方法具有较强的区分能力,能够有效降低决策结果的不确定性,对混合型多属性决策问题具有较好的适用性。(本文来源于《国防科技大学学报》期刊2019年05期）
李远强[2]（2019）在《基于混合推理的龙门机械手变型设计》一文中研究指出在保证产品质量的前提下,为降低产品设计成本,减少设计者的重复性劳动,缩短产品的研发周期,提高设计效率,将基于混合推理的变型设计应用到龙门机械手中,对以往设计知识进行重用、修改和推理,设计出符合客户需求的产品。在对龙门机械手结构及特点进行研究的基础上,利用基于模块化的方法建立知识库;龙门机械手采用基于实例推理(CBR)和基于规则推理(RBR)相结合的混合推理变型设计,弥补单独选用RBR推理或者CBR推理存在明显的不足,实现了龙门机械手的变型设计。(本文来源于《机电工程技术》期刊2019年06期）
杨瑞达,林欣,杨燕,贺梁,窦亮[3]（2019）在《基于混合增强智能的知识图谱推理技术研究》一文中研究指出如今,知识图谱被广泛应用在各个领域,例如问答系统、推荐系统等。而基于知识图谱的应用表现很大程度上依赖于知识图谱本身的知识完备性与准确性。单纯通过人工补齐与审核的方式来构建知识图谱已无法满足超大规模知识图谱的需求。针对上述问题,提出一种基于混合增强智能的知识图谱推理框架,即同时利用机器模型与人的知识信息来完成知识图谱推理。该框架在基于知识图谱嵌入的向量空间中,利用混合增强智能模型来寻找到实体节点之间的有效路径。与现有方法不同的是,该方法在训练模型时,高效地利用人的知识信息来指导模型的优化。实验表明,该框架在公开数据集上的表现相较于现有方法有一定提升。(本文来源于《计算机应用与软件》期刊2019年06期）
傅仰耿,刘莞玲,吴伟昆,李敏,吴英杰[4]（2019）在《基于混合PAES的置信规则库推理算法》一文中研究指出目前对置信规则库(BRB)的研究主要是关于BRB系统的参数或结构的单目标优化。然而,BRB系统中提高推理准确性和减少系统复杂度往往是两个相互冲突的目标。因此,设计合适算法来寻找到两个目标上的最优解具有重要意义。鉴于此,该文提出基于混合Pareto存档进化策略(M-PAES)的置信规则库推理方法(M-PAES-BRB),通过最小化系统的均方根误差和系统复杂性来寻找到近似的Pareto最优前沿。该算法采用了改进型M-PAES算法来构建多目标优化模型,通过重组和变异操作生成候选解。该文选取两个标准时间序列,Mackey-Glass和Box-Jenkins作为实验数据,对M-PAES-BRB的可行性及有效性进行分析。实验结果表明,相比于模糊规则库的多目标优化方法(FRBSs),该文方法的推理准确性更高,同时系统复杂度更低。(本文来源于《电子科技大学学报》期刊2019年02期）
张宇献,郭佳强,钱小毅,王建辉[5]（2019）在《有混合数据输入的自适应模糊神经推理系统》一文中研究指出现有数据建模方法大多依赖于定量的数值信息,而对于数值与分类混合输入的数据建模问题往往根据分类变量组合建立多个子模型,当有多个分类变量输入时易出现子模型数据分布不均匀、训练耗时长等问题.针对上述问题,提出一种具有混合数据输入的自适应模糊神经推理系统模型,在自适应模糊推理系统的基础上,引入激励强度转移矩阵和结论影响矩阵,采用基于高氏距离的减法聚类辨识模型结构,通过混合学习算法训练模型参数,使数值与分类混合数据对模糊规则的前后件参数同时产生作用,共同影响模型输出.仿真实验分析了分类数据对模型规则后件的作用以及结构辨识算法对模糊规则数的影响,与其他几种混合数据建模方法对比表明本文所提出的模型具有较高的预测精度和计算效率.(本文来源于《自动化学报》期刊2019年09期）
陆凌云,李伟,杨明,马萍[6]（2019）在《基于混合推理的仿真实验设计方法智能选择》一文中研究指出针对仿真实验设计方法众多而在实际应用中难以准确选择的问题,提出一种用于仿真实验设计方法智能选择的混合推理方法.首先,给出了基于混合推理的仿真实验智能化设计流程;然后,针对案例检索策略,将仿真实验设计案例的属性分为叁种类型,分别给出其属性差异度量模型及特征值归一化方法,并采用训练后的神经网络模型分配属性权重;进一步,当推荐的案例未能满足给定的相似度阈值时,引入属性优先级的概念,提出了一种基于规则的柔性逐层推理方法;在此基础上,设计了案例库和规则库;最后,通过实验验证了所提出方法的有效性.(本文来源于《自动化学报》期刊2019年06期）
刘海园[7]（2018）在《突发事件情景间概率规则挖掘及混合推理研究》一文中研究指出突发事件发生之后,实施快速、有效的应急救援措施至关重要。而对于突发事件的发生与发展,根据当时的情景推理出突发事件的演化趋势是有效应对突发事件的关键。因此,快速、准确地预测突发事件的发展趋势,就成为有效地实施应对活动的前提和基础。突发事件的推理需要有基本的推理方法做支撑,并且推理过程往往涉及到多个学科领域的专业知识,推理过程中也会面临到海量信息、规则、案例和知识的挖掘、管理与应用等问题。因此,只有借鉴、整合并改进传统的推理方法,使之适应突发事件的复杂性,才能提高突发事件演化推理的可行性和可靠性。因此,在突发事件情景演化推理过程中,对于如何进行案例推理和规则推理的相互补充,弥补其各自存在的不足,构建出一种有效的混合推理模型,就成为一个值得研究的重要科学问题。本文基于知识元模型对突发事件情景、应急案例以及突发事件推理规则进行形式化描述,刻画出基于知识元的突发事件情景、案例以及规则之间的相互关系,诠释突发事件情景演化的共性特征。在此基础上,通过融合案例推理与规则推理,构建出基于知识元的突发事件情景演化案例与规则混合推理模型,详述其执行过程与方法。该模型有利于为决策者科学地预测突发事件发展趋势和制定突发事件应对方案提供决策支持,从而降低突发事件造成的损失。此外,针对突发事件情景演化混合推理过程中,突发事件推理规则缺失的问题,本文构建出基于粗糙集的突发事件情景间概率规则挖掘模型。首先,基于粗糙集理论将应急案例情景信息组织成一张应急案例情景决策表;其次,应用遗传算法对应急案例情景决策表进行属性约简,然后,通过应急案例情景概率规则获取算法挖掘出概率规则。这对于掌握应急案例中各要素间潜在的关联关系,探索隐藏在历史案例背后潜在的应急规律,支持突发事件情景演化推理具有重要意义。最后,以大兴安岭林区阿龙山森林火灾的演化推理过程为例,阐述突发事件情景演化案例与规则混合推理模型的实际应用过程,并将模型推理值与火灾实际值进行对比分析,证明混合推理模型的有效性与科学性。在混合推理过程中,通过突发事件情景间概率规则挖掘模型获取的概率规则集,可为大兴安岭林区火灾发生后应急人员、设备等相关资源的配置提供决策支持,对于制定大兴安岭林区火灾预警及应对方案有一定的支撑作用。(本文来源于《大连理工大学》期刊2018-06-01）
李潇[8]（2018）在《基于端到端与案例推理混合模式的对话系统》一文中研究指出对话系统(Dialogue System)是一种通过自然语言与人进行交流沟通的人机交互系统,它被定位为未来各种服务的入口。在娱乐、在线客服、教育和个人助理领域都有广泛的应用,具有重大的研究意义和应用价值。传统的对话系统一般基于检索的方法设计,存在知识库难于维护、可扩展性差等问题。针对这一问题,本文将基于深度学习的端到端的方法与基于案例推理(Case-based Reasoning,CBR)的方法相结合设计对话系统,有效降低了维护知识库和规则的成本,同时提高了对话系统的可扩展性。首先,本文利用序列到序列(Sequence to Sequence,Seq2Seq)的方法搭建对话模型,然后利用强化学习对Seq2Seq模型进行进一步优化训练。最后将生成式对话系统与CBR推理机结合,并将对话系统应用于智能机器人水果分拣系统。论文的主要工作包括以下几个部分:(1)研究了模型结构、模型求解算法对Seq2Seq模型生成对话的影响,并通过选择最优的网络结构、参数搜索策略、引入注意力机制(Attention mechanism)和优化目标函数等手段,降低模型的训练时间,提高模型生成对话的准确性。(2)利用强化学习改善Seq2Seq模型中生成对话短、回复无意义的问题。并根据智能机器人的实际需求,设计新的奖励函数。利用中文字幕语料训练模型,通过分词手段提高模型生成对话效果,提出一种基于叁元组的评估方法对模型进行评估。(3)将CBR推理机与Seq2Seq模型结合,实现了一种基于深度学习的对话系统,并将该系统应用于智能水果分拣任务。最后从任务完成率、回复流畅度、用户满意度这叁个方面对对话系统进行测试,验证了对话系统的可靠性及智能性。(本文来源于《武汉科技大学》期刊2018-05-01）
徐佳,程志锋,陈佳俊[9]（2018）在《混合推理的海上作战任务与资源匹配分析》一文中研究指出为提高海上作战筹划和指挥能力,以训练数据为基础,基于CPN建模和K2算法,形成了案例推理和贝叶斯推理相结合的混合推理策略,并提出了基于混合推理的海上作战任务与作战资源匹配分析方法和实施步骤,最后给出应用实例。提出的方法操作简单,通用性强,为海上作战中资源使用分析提供了一种新的思路和方法。(本文来源于《现代防御技术》期刊2018年02期）
曹小凤[10]（2018）在《基于混合推理的高血压药物推荐模型研究》一文中研究指出高血压是常见的慢性疾病,是心血管疾病的重要危险因素,但目前为止,尚未研制出根治高血压的特效药物,具有一次得病,终身服药的特点。对于不同的人群,合理地选择降压药对于治疗高血压有重要意义。本文针对高血压疾病治疗率低的问题,运用混合推理算法进行药物推荐,通过使用案例推理算法从案例库得到相似案例,进而用贝叶斯推理算法得到相应的药物,并分别与案例推理和贝叶斯推理算法所得到的结果比较,实验表明,该混合推理算法在一定程度上提高了药物推荐的准确率。(本文来源于《软件工程》期刊2018年03期）
混合推理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在保证产品质量的前提下,为降低产品设计成本,减少设计者的重复性劳动,缩短产品的研发周期,提高设计效率,将基于混合推理的变型设计应用到龙门机械手中,对以往设计知识进行重用、修改和推理,设计出符合客户需求的产品。在对龙门机械手结构及特点进行研究的基础上,利用基于模块化的方法建立知识库;龙门机械手采用基于实例推理(CBR)和基于规则推理(RBR)相结合的混合推理变型设计,弥补单独选用RBR推理或者CBR推理存在明显的不足,实现了龙门机械手的变型设计。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合推理论文参考文献
[1].罗承昆,陈云翔,顾天一,项华春.基于前景理论和证据推理的混合型多属性决策方法[J].国防科技大学学报.2019
[2].李远强.基于混合推理的龙门机械手变型设计[J].机电工程技术.2019
[3].杨瑞达,林欣,杨燕,贺梁,窦亮.基于混合增强智能的知识图谱推理技术研究[J].计算机应用与软件.2019
[4].傅仰耿,刘莞玲,吴伟昆,李敏,吴英杰.基于混合PAES的置信规则库推理算法[J].电子科技大学学报.2019
[5].张宇献,郭佳强,钱小毅,王建辉.有混合数据输入的自适应模糊神经推理系统[J].自动化学报.2019
[6].陆凌云,李伟,杨明,马萍.基于混合推理的仿真实验设计方法智能选择[J].自动化学报.2019
[7].刘海园.突发事件情景间概率规则挖掘及混合推理研究[D].大连理工大学.2018
[8].李潇.基于端到端与案例推理混合模式的对话系统[D].武汉科技大学.2018
[9].徐佳,程志锋,陈佳俊.混合推理的海上作战任务与资源匹配分析[J].现代防御技术.2018
[10].曹小凤.基于混合推理的高血压药物推荐模型研究[J].软件工程.2018
论文知识图
