神经规则与案例融合的专家系统知识表示和推理

为了对专家系统中的知识进行表示,并使得推理变得更加准确高效,介绍了一种结合符号规则、神经网络和案例的方法。该方法是把一种混合规则,即神经规则和案例结合在一起。它与传统的基于符号规则推理不同的是,即使有一些未知的输入,也可以执行基于神经规则的推理。实验证明,与传统的专家系统比较,混合推理可以提高故障诊断的效率和精确度。     

结合DSmT理论和系统建模的知识融合算法

目前国内外常用的一种知识融合算法是DS证据理论,但这种方法受到单一故障假设的条件限制,应用范围受限。所以,提出了一种使用DSmT混合组合规则与系统建模方法的全新的知识融合算法,这样即解决了DS理论的单一故障假设的限制,又避免了自由DSmT只适用于不考虑排斥性约束和非存在性约束的条件限制,使得算法的应用范围更广。