人工智能試題20xx(存儲(chǔ)版)
【正文】 由此進(jìn)行推理得到結(jié)論。事例推理的關(guān)鍵步驟包括事例檢索、事例重用、事例修改/ , 利用相關(guān)事例擴(kuò)大了解決問題的范圍,簡(jiǎn)化了求解過程,解的質(zhì)量也得到提高, 在軍事制造業(yè)控制診斷、艦艇水壓機(jī)等方面獲得應(yīng)用?，F(xiàn)有的診斷專家系統(tǒng)大都是面向單機(jī)或單服務(wù)器的, 可擴(kuò)充性、靈活性、通用性較差,各診斷系統(tǒng)之間相互獨(dú)立,即使是不同開發(fā)單位研制的針對(duì)同類問題的診斷系統(tǒng)之間也不能進(jìn)行有效的信息交流和共享,造成了巨大的資源浪費(fèi)。這些都對(duì)未來(lái)故障診斷專家系統(tǒng)的實(shí)時(shí)性提出了很高的要求。故障診斷知識(shí)表示與推理方法有著密切的聯(lián)系,這就要求將多種診斷方法加以融合,克服各診斷方法的局限性,從而提高診斷專家系統(tǒng)的智能性和診斷效率。事例的特點(diǎn)及過程。在模糊推理中建立模糊隸屬度是一個(gè)重要工作,確定隸屬度的方法有對(duì)比排序法、專家評(píng)判法、模糊統(tǒng)計(jì)法、概念擴(kuò)張法等。首先,系統(tǒng)性能受到所選擇的訓(xùn)練樣本集的限制,訓(xùn)練樣本集選擇不當(dāng),特別是在訓(xùn)練樣本集很少的情形下,很難獲得較好推理能力。但是,基于模型的診斷專家系統(tǒng)仍然依賴于專家的專業(yè)領(lǐng)域知識(shí),在實(shí)時(shí)診斷中還將消耗巨大的計(jì)算資源,限制了其應(yīng)用范圍。其中前提部分表示能與數(shù)據(jù)匹配的任何模型,結(jié)論部分表示滿足前提時(shí)可以得出的結(jié)論。動(dòng)態(tài)數(shù)據(jù)庫(kù)是設(shè)備運(yùn)行中所檢測(cè)到的狀態(tài)參數(shù)，如工作轉(zhuǎn)速、介質(zhì)流量、電壓或電流等。因此，對(duì)故障診斷的要求也越來(lái)越高。結(jié)課報(bào)告題目:總結(jié)知識(shí)表達(dá)技術(shù)。一處故障可能引起一系列連鎖反應(yīng)，導(dǎo)致整個(gè)過程不能正常運(yùn)行，甚至?xí)斐芍卮蟮膿p失。靜態(tài)數(shù)據(jù)庫(kù)是相對(duì)穩(wěn)定的參數(shù)，如設(shè)備的設(shè)計(jì)參數(shù)、固有頻率等。 基于規(guī)則的診斷專家系統(tǒng)在基于規(guī)則的診斷專家系統(tǒng)中,領(lǐng)域?qū)＜业闹R(shí)與經(jīng)驗(yàn)被表示成產(chǎn)生式規(guī)則, 一般形式是: if前提 then結(jié)論。這類系統(tǒng)的知識(shí)庫(kù)相對(duì)容易建立并且具有一定的靈活性,已應(yīng)用于航天器動(dòng)力燃燒系統(tǒng)故障診斷等方面。然而,神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)也存在固有的弱點(diǎn)。引入模糊的概念是為了更好地模擬人類的思維與決策過程,使計(jì)算機(jī)結(jié)果不再是簡(jiǎn)單的黑或白。一個(gè)有效的事例表示包括三部分內(nèi)容:事例發(fā)生的原因或背
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1