人工智能參考論文(2)
人工智能參考論文
人工智能參考論文篇二
作為框架的CBR設(shè)計(jì):用其他人工智能增強(qiáng)CBR
摘 要：設(shè)計(jì)是一種活動(dòng)，其中經(jīng)驗(yàn)在生成超越理論或正式知識(shí)的選擇性的設(shè)計(jì)中扮演了一個(gè)重要的角色。這導(dǎo)致了逐漸增加的對(duì)CBR作為一種協(xié)助或自動(dòng)化設(shè)計(jì)過程的方式的興趣。然而，CBR范例的主要領(lǐng)域并不致力于實(shí)際的CBR的需求。這里的CBR是作為設(shè)計(jì)的一個(gè)框架呈現(xiàn)的，而且其他人工智能技術(shù)支持CBR的不同方面。從案例內(nèi)存和遺傳基因運(yùn)算法則中得來的知識(shí)發(fā)現(xiàn)是增強(qiáng)CBR的可行方法。?
關(guān)鍵詞：基于案例的推理(CBR);人工智能技術(shù)(AI)?
0 引言
基于案例的推理(CBR)應(yīng)用于人工智能的推理范例，人工智能以先前經(jīng)驗(yàn)的形式為基礎(chǔ)使用知識(shí)解決新問題。由作為框架的CBR設(shè)計(jì)采用的主要“推理周期”。
一個(gè)新的設(shè)計(jì)問題可作為一個(gè)案例庫(kù)的索引。一系列設(shè)計(jì)案例被取消并且成為設(shè)計(jì)案例改編的基礎(chǔ)。然后一個(gè)新的設(shè)計(jì)解決方案就包含在案例庫(kù)中了，允許系統(tǒng)像經(jīng)歷一個(gè)新的情境一樣學(xué)習(xí)。由于問題沒被很好的定義，與設(shè)計(jì)是有索引的和可被取消的這種方式有關(guān)的議題并不能被CBR范例良好的表達(dá)。設(shè)計(jì)案例改編為了改變先前的設(shè)計(jì)和識(shí)別充足的新設(shè)計(jì)提升了針對(duì)方法需求的議題。這種方法是CBR范例本身所沒有的。
1 整合CBR和其他人工智能技術(shù)的需要
CBR作為一種達(dá)成虛擬智能的方法承擔(dān)了經(jīng)驗(yàn)記憶的表征，沒有具體說明這種記憶是如何被索引或者如何獲得進(jìn)CBR系統(tǒng)的。CBR作為問題解決范例承擔(dān)了兩個(gè)過程的最小化：取消和適應(yīng)。范例本身不能指出哪些方法可被用于達(dá)成這些。這些領(lǐng)域中的每一個(gè)都有能整合CBR概念和其他問題解決范例或人工智能的潛能。例如：獲得記憶和記憶指標(biāo)：如知識(shí)獲得技術(shù)的人工智能，和如概念聚集的機(jī)械學(xué)習(xí)技術(shù)都是有用的;取消案例：如歸納法的機(jī)械學(xué)習(xí)技術(shù)能用于開發(fā)索引樹;模板匹配和相似點(diǎn)測(cè)量可用于從案例內(nèi)存中選擇案例;改編：各種各樣的問題解決范例如限制滿足，啟發(fā)搜索，遺傳基因的計(jì)算方法可以用來決定哪種知識(shí)是可利用的。
在我們發(fā)展基于案例的設(shè)計(jì)系統(tǒng)的經(jīng)驗(yàn)基礎(chǔ)之上，我們承認(rèn)在發(fā)展基于案例的推理系統(tǒng)中的以下瓶頸：表征和適應(yīng)。
先前設(shè)計(jì)的改編要求案例和概括化的知識(shí)。設(shè)計(jì)作為一個(gè)創(chuàng)造性的活動(dòng)意味著設(shè)計(jì)改編不是一個(gè)簡(jiǎn)單的過程，事實(shí)上它可能被證明適應(yīng)先前設(shè)計(jì)是設(shè)計(jì)分析程序的核心。CBR的這個(gè)方面沒有被很好的發(fā)展并且為了獲得任意一種協(xié)助或自動(dòng)化，要求領(lǐng)域知識(shí)的分析?；诎咐脑O(shè)計(jì)的這個(gè)方面的困難反映在許多CBR設(shè)計(jì)系統(tǒng)把這部分留給使用者的傾向中，關(guān)注索引和檢索是CBR設(shè)計(jì)的主要貢獻(xiàn)。然而，有一些其他人工智能范例可支持CBR設(shè)計(jì)的這個(gè)方面。
2 用GA’s改編設(shè)計(jì)案例
設(shè)計(jì)案例的改變要求改變和組合設(shè)計(jì)案例的技術(shù)，一個(gè)內(nèi)在的再生程序，以及評(píng)估提出的設(shè)計(jì)解決方案的技術(shù)，一個(gè)內(nèi)在的分析程序?；谥R(shí)的方法的類型應(yīng)用于CBR周期的這個(gè)部分，包括啟發(fā)式搜索和限制滿足。這些方法共有的一個(gè)缺陷是知識(shí)密集的方法性質(zhì)同時(shí)生成建議的解決方案和分析建議的解決方案。
作為一個(gè)可供替代的選擇，我們正在探索運(yùn)行設(shè)計(jì)案例改編的遺傳基因運(yùn)算法則(GA’s)的使用。關(guān)于大多數(shù)基于知識(shí)的方法GA’s有幾個(gè)優(yōu)勢(shì)：為了搜尋一空間它們幾乎不需要領(lǐng)域知識(shí)，同時(shí)依然生成“可行的”結(jié)果;它們?cè)诓皇芟拗频氖褂脦в泄潭ㄔO(shè)置和固定數(shù)目變量的前定義計(jì)劃描述設(shè)計(jì)案例上更加靈活;而且為了解決一個(gè)新問題，他們內(nèi)在的從許多過去經(jīng)驗(yàn)中組合位和片段，能力似乎是對(duì)創(chuàng)造性的設(shè)計(jì)是必須的。
遺傳基因的運(yùn)算法則(GA’s)通過模仿基因中的尋找機(jī)制為傳統(tǒng)搜索技術(shù)提供了一個(gè)可供替代的選擇。從生物學(xué)系統(tǒng)中借來三個(gè)概念：
?、亠@型，可以是生物學(xué)系統(tǒng)一個(gè)現(xiàn)存的有機(jī)體或者是為設(shè)計(jì)系統(tǒng)的設(shè)計(jì)方案;②基因型，是一種表征或解碼用以生產(chǎn)顯型的信息的方式;③最適當(dāng)?shù)纳妫鼪Q定了一個(gè)基因型是否幸免于復(fù)制。
一個(gè)遺傳基因的運(yùn)算法則從大量潛在的設(shè)計(jì)方案開始，表現(xiàn)為基因型。部分匹配檢索設(shè)計(jì)案例為遺傳基因的運(yùn)算法則提供了最初(種子)種群。假定一組屬性價(jià)值配對(duì)代表一個(gè)設(shè)計(jì)案例，組屬性等同于一
個(gè)設(shè)計(jì)的基因型。與一個(gè)案例描述的屬性相關(guān)的價(jià)值體現(xiàn)在一個(gè)特定設(shè)計(jì)的結(jié)構(gòu)和行為的具體化。屬性價(jià)值配對(duì)組補(bǔ)足了共同等同于一個(gè)設(shè)計(jì)的基因型的一個(gè)案例描述。
3 從案例庫(kù)中學(xué)習(xí)召回和改編知識(shí)
設(shè)計(jì)案例庫(kù)的 發(fā)展和落實(shí)是一項(xiàng)持續(xù)不斷的任務(wù)。當(dāng)案例表征被確定后通常這個(gè)領(lǐng)域更好理解，而且如果再次啟動(dòng)該項(xiàng)目時(shí)將會(huì)不同。我們已經(jīng)開發(fā)出一個(gè)以結(jié)構(gòu)設(shè)計(jì)為重心的多媒體案例庫(kù) 建筑。庫(kù)適用于SAM，其作用是為本科體系學(xué)生教結(jié)構(gòu)和材料。
發(fā)展SAM，我們考慮：
?、俦憩F(xiàn)和 管理復(fù)雜設(shè)計(jì)案例的需要;②使典 型的非正式知識(shí)和 經(jīng)驗(yàn)主體正式化的需要。
任何領(lǐng)域的設(shè)計(jì)通常涉及復(fù)雜系統(tǒng)的發(fā)展和理解。復(fù)雜表征需要充分的捕捉把挑戰(zhàn)引進(jìn)CBR系統(tǒng)的設(shè)計(jì)案例。CBR范例假定存在“案例”概念，但在大多數(shù)的設(shè)計(jì)領(lǐng)域這個(gè)概念不是簡(jiǎn)單的“案例”，而是導(dǎo)致復(fù)雜系統(tǒng)的一組復(fù)雜經(jīng)驗(yàn)和決定。有三個(gè)說明復(fù)雜性的方法是：
①案例是觀念等級(jí)或次案例;②案例被不同的觀點(diǎn)表達(dá);③案例被當(dāng)做多媒體呈現(xiàn)
基于案例的知識(shí)管理繼承了用于發(fā)展專家系統(tǒng)的方法。索引 計(jì)劃的生成通過專家干預(yù)的知識(shí)獲得技術(shù)去確認(rèn)關(guān)鍵技術(shù)，或通過 機(jī)械學(xué)習(xí)技術(shù)通過歸納去確認(rèn)最有識(shí)別力的特征。這樣一來，基于知識(shí)的范例從專業(yè)技術(shù)到經(jīng)驗(yàn)的轉(zhuǎn)變，確定了與案例的知識(shí)精密性索引，檢索，改編和保持相關(guān)的新的不確定的問題。然而，這個(gè)知識(shí)是不容易捕捉的;要求認(rèn)真的發(fā)展詢問策略，觀測(cè)的程序和分析方法。合乎邏輯的結(jié)果是對(duì)基于案例的推理團(tuán)體的注意轉(zhuǎn)向了機(jī)械學(xué)習(xí)算法。
我們正研究數(shù)據(jù)采礦和知識(shí)發(fā)現(xiàn)(KD)技術(shù)的 應(yīng)用，最近開發(fā)了在數(shù)據(jù)庫(kù)中確認(rèn)有用的隱式信息編碼，作為克服這些困難的一種方法。視知識(shí)管理為一種發(fā)現(xiàn)過程意味著為隱含信息檢測(cè)一個(gè)人之前的無意識(shí)發(fā)現(xiàn)和用顯性的方式記錄這個(gè)信息的數(shù)據(jù)資源。這個(gè)跨越了從沒有知識(shí)的人那里發(fā)現(xiàn)的到只能確認(rèn)眾所周知的信息的整個(gè)范圍。目前KD方法主要為結(jié)構(gòu)值數(shù)據(jù)。
在數(shù)據(jù)庫(kù)中發(fā)現(xiàn)隱含的信息實(shí)質(zhì)上與數(shù)據(jù)采礦是不同的。在數(shù)據(jù)采礦中的數(shù)據(jù) 組織單位是數(shù)據(jù)列。在數(shù)據(jù)庫(kù)內(nèi)部有組織的單位是一個(gè)案例，它包括多樣的數(shù)據(jù)類型和格式。然后在我們使用的期限內(nèi)，知識(shí)發(fā)現(xiàn)包含主要是無結(jié)構(gòu)的，多媒體數(shù)據(jù)的發(fā)現(xiàn)式模式。
我們使用知識(shí)發(fā)現(xiàn)的兩個(gè)階段大致對(duì)應(yīng)數(shù)據(jù)驅(qū)動(dòng)和期望驅(qū)動(dòng)方法。在第一個(gè)數(shù)據(jù)驅(qū)動(dòng)階段，分析器被用于案例庫(kù)以提取一組相關(guān)特征。在第二個(gè)階段從案例中提取出來的特征用作各種機(jī)械學(xué)習(xí)技術(shù)的輸入有助于索引計(jì)劃和改編知識(shí)。分析案例發(fā)現(xiàn)相關(guān)特征引出了詞匯和發(fā)生頻率。我們用兩種分析器：文本分析和圖像分析反映了設(shè)計(jì)案例的多媒體性質(zhì)。
從案例數(shù)據(jù)中發(fā)現(xiàn)知識(shí)依然處于初級(jí)階段。部分成功的基于案例的推理作為基于知識(shí)的交互式計(jì)算模型被記入其較少要求的知識(shí)工程和及時(shí)學(xué)習(xí)循環(huán)嵌入式模型。然而，CBR方法的現(xiàn)實(shí)是知識(shí)工程依然是應(yīng)用程序的關(guān)鍵和困難部分。隨著知識(shí)發(fā)現(xiàn)技術(shù)的使用，我們有一種增強(qiáng)的基于案例的推理模型。
4 結(jié)束語
CBR作為設(shè)計(jì)的框架重點(diǎn)強(qiáng)調(diào)先前設(shè)計(jì)案例的表征和對(duì)這個(gè)表征的推理?？紤]到對(duì)有關(guān)設(shè)計(jì)是如何生成的缺乏正式的了解，這個(gè)是適當(dāng)?shù)?。然而，作為框架的CBR設(shè)計(jì)需要其他人工智能技術(shù)作為一種表征方式，并且使用不那么容易或合適嵌入案例的設(shè)計(jì)知識(shí)。我們這里考慮的兩個(gè)人工智能技術(shù)是：為尋找一般化從案例內(nèi)存和遺傳基因運(yùn)算法則中得來的知識(shí)發(fā)現(xiàn)作為新設(shè)計(jì)生成的案例組合的機(jī)制。
看了“人工智能參考論文”的人還看了：