导读:本文包含了推理引擎论文开题报告文献综述及选题提纲参考文献，主要关键词:Rete算法,智慧家居,中间件,运行效率
推理引擎论文文献综述
阴躲芬,龚华明[1]（2019）在《基于改进Rete算法的复杂事件推理引擎的研究与实现》一文中研究指出复杂事件推理引擎是智慧家居中间件系统的核心部分,其运行效率的高低直接影响到中间件系统的性能和最终的服务效果。本文首先深入研究了Rete算法的原理,结合实际分析了智能家居中间件系统的特性,并在此基础上,提出了一种Rete算法的改进算法,该算法能明显缩短系统的运行时间、有效提高运行效率,给用户带来更完美的使用体验。(本文来源于《科技创新导报》期刊2019年18期）
杨达贤[2]（2018）在《基于人工智能推理引擎在微博数据挖掘中的应用分析》一文中研究指出面对庞大的微博用户群,用人性化的用户体验来吸引更多用户成为关键因素。将人工智能推理引擎应用到微博数据的搜索中,可以收集用户使用的关键词并即时向用户推荐感兴趣的信息。本文介绍了人工智能搜索引擎和微博数据的特点,讨论了人工智能推理引擎的系统结构形式。人工智能推理引擎将为用户上网带来全新的人性化体验。(本文来源于《微型电脑应用》期刊2018年11期）
刘博,严云红,程云龙,彭立章,陈元[3]（2017）在《基于自主运行体系结构的通用推理引擎设计》一文中研究指出为实现基于规则的决策推理,根据自主运行技术的特点对一种基于航天器自主运行体系结构的通用推理引擎设计进行了研究。该体系结构以策略与机制分离为目标,对系统策略、资源和数据进行统筹管理,自主运行系统包括决策系统、系统策略、系统输入和系统输出四部分。在自主运行体系结构的基础上,对传统Rete算法进行改进,优化传统Rete网络结构,取消了Not节点,改变了原Rete算法中的是非逻辑判断,合并了Entry节点、Token节点和适配节点功能。给出了通用推理引擎的推理网络结构,设计了推理算法以实现事实序列的快速推理。某航天器数管分系统的程控功能样例显示:根据飞行过程中产生的事实序列,用设计的推理引擎推理出级箭分离、中继加电、开发动机、关发动机等事件的发生,由此验证了通用推理引擎的有效性。(本文来源于《上海航天》期刊2017年04期）
刘阳,张天石,李世超,佟星,曾鹏[4]（2017）在《基于Bitmap的油水井采注优化实时推理引擎》一文中研究指出针对油田油水井采注优化业务中,油水井数据量大、地层结构复杂以及人类经验多的特点,分析了传统推理方法在油田采注实时优化处理过程中的不足,采用事件处理思想,提出了一种基于Bitmap事件编码与匹配机制的推理引擎,有效地实现了对无效事件的过滤并提升了事件与规则的匹配效率.在油田实际数据试验平台上对该方法进行了验证并与RETE算法、LFA(Linear forward-chaining)算法的性能对比,结果验证了本文方法在实时推理能力上的有效性.(本文来源于《自动化学报》期刊2017年06期）
倪曌,白利芳,董奥冬[5]（2017）在《一种面向业务规则和流程的推理引擎架构》一文中研究指出目前基于业务流程模型控制规则引擎的工作流引擎已经开始提倡使用。针对这种情况,基于BPMN业务流程模型的工作流引擎,提出一种适用于业务流程模型和规则集成与执行的推理引擎架构。该架构引入XTT2的规则表示,集成了jBPM工作流管理系统和HeaRT规则引擎,由工作流引擎控制专用规则推理引擎执行规则决策表运行。原型实现表明了该架构可实现规则任务的可视化设计,并支持对得到的规则任务模型的形式验证。(本文来源于《计算机应用与软件》期刊2017年03期）
刘磊[6]（2017）在《复杂逻辑与计算推理引擎的设计及其在函数问题的应用》一文中研究指出近年来,随着人工智能技术的飞速发展,许许多多专家学者开始将注意力集中在人工智能技术与教育的结合上。利用人工智能技术定义全新的教育模式,实现计算机自动求解、自动辅导等功能,为学生提供快速、公平、系统并且量身定制的教育资源。这对提升教育质量,降低教育成本和创新教育模式有着十分重要的意义。本论文的研究内容是仅在输入原始初等数学题目的基础上,对题目进行自动类人求解,简称“高考机器人”。它主要包含如下几点:1)复杂逻辑与计算推理引擎的研究和构建主要研究复杂逻辑与计算引擎的组织结构与核心算法设计,针对出现问题给出相应解决方案。从复杂逻辑推理引擎研究与构建,复杂逻辑与计算推理和类人求解叁个方面分析了复杂逻辑与计算推理引擎的结构和组成等内容。其中以引擎搭建部分为重点,讲述了叁种不同的复杂逻辑推理组织方式,并采用“先正后逆”推理方式构建推理引擎。随后研究了推理引擎与符号计算平台之间的联系,通过符号计算提供的计算服务为具体的问题的计算推理打下支撑。类人求解中,在推理的基础上,设计基于DFS的搜索算法,重构类人求解过程。2)初等数学函数问题的知识表示在自然语言处理(Nature Language Process,NLP)的支持下,本文主要研究对初等数学中的函数问题进行基于一阶谓词逻辑的知识建模。通过统计、整理和分析,将函数知识大致分为叁类:实体知识,属性知识,实体与实体之间关系的知识。3)初等数学函数问题的推理规则以函数问题为代表的代数知识推理,具有与几何知识推理完全不同的特性:计算性和开放性。计算性是指推理依据体现在计算结果中,是典型的“予理于算”。开放性是指推理知识不收敛,是一个无限扩张的集合。基于此特点,在函数问题的规则推理中采用规则流推理和普通规则推理相结合的方式。规则流允许用户自定义流程结构以规定规则匹配执行顺序;普通规则只需LHS条件满足匹配就能执行RHS。在普通规则的研究中,将规则划分为计算规则、逻辑规则和联想规则。利用本文提出推理引擎组织结构和相关理论方法,最终构建出一个通用的复杂逻辑与计算推理引擎,并实现了一个较完善的函数推理规则库。使得函数问题综合求解正确率达到67%,平均求解时间不超过5分钟。(本文来源于《电子科技大学》期刊2017-03-01）
秦益文[7]（2017）在《微博数据挖掘中人工智能推理引擎的应用》一文中研究指出伴随着网络在人们生活中的不断普及,微博开始在人们的日常生活中扮演着越来越重要的角色。伴随着微博使用量的不断增加就需要加强对微博用户的研究来更好的提升微博的用户体验,因此就需要加大人工智能推理技术在微博数据挖掘中的运用,通过人工智能推理引擎的运用来对数据进行挖掘从而给不同的微博用户提供精准的服务。本文主要讲述了人工智能和数据挖掘之间的关系和发展趋势,以及探索了微博数据中人工智能自动推理系统的设计。(本文来源于《中小企业管理与科技(中旬刊)》期刊2017年02期）
黄崛[8]（2017）在《一种基于Spark的语义推理引擎实现及应用》一文中研究指出近些年在知识图谱蓬勃发展的大背景下,与之相关的语义Web的数据规模也呈现爆发态势。如何在大规模语义Web数据上有效地进行语义推理是研究者们面临的棘手问题。具体来说,在大规模语义Web数据上实施语义推理时,计算量巨大、消耗时间长都是突出的问题,特别是当应用复杂规则逻辑进行推理时,情况更是如此。传统单机环境下的语义推理引擎无法应对大规模知识图谱下的推理,缺乏可扩展性方面的考虑,难以满足在数据规模上日益增长的语义关联数据的推理需求。从分布式角度来看,已有的基于Hadoop MapReduce实现的语义推理框架由于欠缺推理算法相关的网络通信和磁盘I/O等的优化,推理效率依然较低。本文针对上述问题,围绕分布式内存计算平台Spark,研究以下几个方面的内容:首先设计一个良好模块化且推理规则可配置的完整分布式推理引擎架构。接着研究现有的单机和分布式语义推理算法,基于Spark框架对相关算法进行分布式的实现,并针对Spark的原理和特点做相应的优化。将基于Spark实现的推理引擎与现有的传统分布式推理引擎在推理效率上进行对比实验。实验结果表明,本文设计的基于Spark的语义推理引擎在推理效率上要远好于以Hadoop MapReduce为代表的推理实现,同时兼具了高可扩展性。最终将本系统应用到物联网领域,适应实时和流式的语义数据流处理和推理场景。(本文来源于《浙江大学》期刊2017-01-17）
周程[9]（2016）在《人工智能推理引擎在微博数据挖掘中的应用》一文中研究指出面对庞大的微博用户群,提升用户体验以吸引更多用户成为关键因素,因此自动学习推理系统的研究成为热点,对微博用户的倾向进行推测,同时,使用图形化的组件使得操作更加简洁方便。系统中使用定量的不确定推理算法,也改变了定性推理造成结果不准确的情况,从而帮助用户更高效、准确地推送网络好友,通过运用人工智能和数据挖掘等领域中的理论和算法设计实现了自动学习推理系统。系统计划在搜狐微博中上线,在测试过程中取得了一定的预期成果。(本文来源于《现代电子技术》期刊2016年15期）
安云云[10]（2016）在《轻量级推理引擎的研究与应用》一文中研究指出推理机(Reasoning Engine)是应用系统中根据现有知识和一些特定规则来推理分析实际问题的部件,是智能知识系统的重要组成部分。根据知识表示和控制策略的不同,推理机使用的推理机制也不尽相同。其中,基于规则的推理机易于理解、易于获取、易于管理,被广泛采用。随着语义web技术和本体语言的不断发展,推理机作为进行本体推理的一种推理方法,越来越多的应用于隐藏信息的推理,知识库的一致性检查等方面,关于推理机的研究和应用也从计算机领域扩展到了生物,军事,医疗等领域。但是目前的研究主要集中于推理规则的研究和推理框架以及系统的设计方面,关于移动设备上的推理机使用的问题尚未引起人们的广泛关注。随着智能机的普及和移动时代的到来,由于移动设备灵活方便的特性,越来越多的应用转移到移动平台上,智能家居的发展,智慧城市的建设也促使移动设备成为数据和信息的一大来源和存储媒介。轻量型推理机在移动设备上的应用将帮助最大程度地发挥这些数据和信息的价值,因此轻量型推理机在移动设备上的研究和应用有不可忽视的意义。在此背景下,首先简单介绍推理机和现有的推理技术,分析了叁种经典的推理机制:基于模型的推理、基于案例的推理和基于规则的推理,对语义Web和本体语言OWL及本体推理进行了研究。本文旨在对推理机在移动设备上的应用进行研究,对移动云计算进行了概述,研究分析了移动云迁移技术。接下来在云平台和移动平台上分别部署和运行两个推理引擎,重点介绍轻量级推理引擎Jena在Android设备上的适配,在此基础上执行相同的推理任务。然后建立一种迁移机制来优化移动设备上推理任务的执行。对轻量型推理机在移动设备上的推理情况进行实验和分析,并对移动端推理任务的迁移进行验证。实验结果表明我们提出的移动云轻量级推理系统具有很好的适用性。(本文来源于《中国石油大学(华东)》期刊2016-06-01）
推理引擎论文开题报告
（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：
面对庞大的微博用户群,用人性化的用户体验来吸引更多用户成为关键因素。将人工智能推理引擎应用到微博数据的搜索中,可以收集用户使用的关键词并即时向用户推荐感兴趣的信息。本文介绍了人工智能搜索引擎和微博数据的特点,讨论了人工智能推理引擎的系统结构形式。人工智能推理引擎将为用户上网带来全新的人性化体验。
（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。
推理引擎论文参考文献
[1].阴躲芬,龚华明.基于改进Rete算法的复杂事件推理引擎的研究与实现[J].科技创新导报.2019
[2].杨达贤.基于人工智能推理引擎在微博数据挖掘中的应用分析[J].微型电脑应用.2018
[3].刘博,严云红,程云龙,彭立章,陈元.基于自主运行体系结构的通用推理引擎设计[J].上海航天.2017
[4].刘阳,张天石,李世超,佟星,曾鹏.基于Bitmap的油水井采注优化实时推理引擎[J].自动化学报.2017
[5].倪曌,白利芳,董奥冬.一种面向业务规则和流程的推理引擎架构[J].计算机应用与软件.2017
[6].刘磊.复杂逻辑与计算推理引擎的设计及其在函数问题的应用[D].电子科技大学.2017
[7].秦益文.微博数据挖掘中人工智能推理引擎的应用[J].中小企业管理与科技(中旬刊).2017
[8].黄崛.一种基于Spark的语义推理引擎实现及应用[D].浙江大学.2017
[9].周程.人工智能推理引擎在微博数据挖掘中的应用[J].现代电子技术.2016
[10].安云云.轻量级推理引擎的研究与应用[D].中国石油大学(华东).2016