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:用其他人工智能增強(qiáng)CBR
摘 要：設(shè)計是一種活動，其中經(jīng)驗在生成超越理論或正式知識的選擇性的設(shè)計中扮演了一個重要的角色。這導(dǎo)致了逐漸增加的對CBR作為一種協(xié)助或自動化設(shè)計過程的方式的興趣。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)計的一個框架呈現(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)驗的形式為基礎(chǔ)使用知識解決新問題。由作為框架的CBR設(shè)計采用的主要“推理周期”。
一個新的設(shè)計問題可作為一個案例庫的索引。一系列設(shè)計案例被取消并且成為設(shè)計案例改編的基礎(chǔ)。然后一個新的設(shè)計解決方案就包含在案例庫中了，允許系統(tǒng)像經(jīng)歷一個新的情境一樣學(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)計案例改編為了改變先前的設(shè)計和識別充足的新設(shè)計提升了針對方法需求的議題。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，遺傳基因的計算方法可以用來決定哪種知識是可利用的。
在我們發(fā)展基于案例的設(shè)計系統(tǒng)的經(jīng)驗基礎(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)計的改編要求案例和概括化的知識。設(shè)計作為一個創(chuàng)造性的活動意味著設(shè)計改編不是一個簡單的過程，事實(shí)上它可能被證明適應(yīng)先前設(shè)計是設(shè)計分析程序的核心。CBR的這個方面沒有被很好的發(fā)展并且為了獲得任意一種協(xié)助或自動化，要求領(lǐng)域知識的分析。基于案例的設(shè)計的這個方面的困難反映在許多CBR設(shè)計系統(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)計的這個方面。
2 用GA’s改編設(shè)計案例
設(shè)計案例的改變要求改變和組合設(shè)計案例的技術(shù)，一個內(nèi)在的再生程序，以及評估提出的設(shè)計解決方案的技術(shù)，一個內(nèi)在的分析程序?；谥R的方法的類型應(yīng)用于CBR周期的這個部分，包括啟發(fā)式搜索和限制滿足。這些方法共有的一個缺陷是知識密集的方法性質(zhì)同時生成建議的解決方案和分析建議的解決方案。
作為一個可供替代的選擇，我們正在探索運(yùn)行設(shè)計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)基于知識的方法GA’s有幾個優(yōu)勢：為了搜尋一空間它們幾乎不需要領(lǐng)域知識，同時依然生成“可行的”結(jié)果;它們在不受限制的使用帶有固定設(shè)置和固定數(shù)目變量的前定義計劃描述設(shè)計案例上更加靈活;而且為了解決一個新問題，他們內(nèi)在的從許多過去經(jīng)驗中組合位和片段，能力似乎是對創(chuàng)造性的設(shè)計是必須的。
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)提供了一個可供替代的選擇。從生物學(xué)系統(tǒng)中借來三個概念：
?、亠@型，可以是生物學(xué)系統(tǒng)一個現(xiàn)存的有機(jī)體或者是為設(shè)計系統(tǒng)的設(shè)計方案;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?，它決定了一個基因型是否幸免于復(fù)制。
一個遺傳基因的運(yùn)算法則從大量潛在的設(shè)計方案開始，表現(xiàn)為基因型。部分匹配檢索設(shè)計案例為遺傳基因的運(yùn)算法則提供了最初(種子)種群。假定一組屬性價值配對代表一個設(shè)計案例，組屬性等同于一
個設(shè)計的基因型。與一個案例描述的屬性相關(guān)的價值體現(xiàn)在一個特定設(shè)計的結(jié)構(gòu)和行為的具體化。屬性價值配對組補(bǔ)足了共同等同于一個設(shè)計的基因型的一個案例描述。
3 從案例庫中學(xué)習(xí)召回和改編知識
設(shè)計案例庫的 發(fā)展和落實(shí)是一項持續(xù)不斷的任務(wù)。當(dāng)案例表征被確定后通常這個領(lǐng)域更好理解，而且如果再次啟動該項目時將會不同。我們已經(jīng)開發(fā)出一個以結(jié)構(gòu)設(shè)計為重心的多媒體案例庫 建筑。庫適用于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：
①表現(xiàn)和 管理復(fù)雜設(shè)計案例的需要;②使典 型的非正式知識和 經(jīng)驗主體正式化的需要。
任何領(lǐng)域的設(shè)計通常涉及復(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)計案例。CBR范例假定存在“案例”概念，但在大多數(shù)的設(shè)計領(lǐng)域這個概念不是簡單的“案例”，而是導(dǎo)致復(fù)雜系統(tǒng)的一組復(fù)雜經(jīng)驗和決定。有三個說明復(fù)雜性的方法是：
①案例是觀念等級或次案例;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)
基于案例的知識管理繼承了用于發(fā)展專家系統(tǒng)的方法。索引 計劃的生成通過專家干預(yù)的知識獲得技術(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)最有識別力的特征。這樣一來，基于知識的范例從專業(yè)技術(shù)到經(jīng)驗的轉(zhuǎn)變，確定了與案例的知識精密性索引，檢索，改編和保持相關(guān)的新的不確定的問題。然而，這個知識是不容易捕捉的;要求認(rèn)真的發(fā)展詢問策略，觀測的程序和分析方法。合乎邏輯的結(jié)果是對基于案例的推理團(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)采礦和知識發(fā)現(xiàn)(KD)技術(shù)的 應(yīng)用，最近開發(fā)了在數(shù)據(jù)庫中確認(rèn)有用的隱式信息編碼，作為克服這些困難的一種方法。視知識管理為一種發(fā)現(xiàn)過程意味著為隱含信息檢測一個人之前的無意識發(fā)現(xiàn)和用顯性的方式記錄這個信息的數(shù)據(jù)資源。這個跨越了從沒有知識的人那里發(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)庫內(nèi)部有組織的單位是一個案例，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。
我們使用知識發(fā)現(xiàn)的兩個階段大致對應(yīng)數(shù)據(jù)驅(qū)動和期望驅(qū)動方法。在第一個數(shù)據(jù)驅(qū)動階段，分析器被用于案例庫以提取一組相關(guān)特征。在第二個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劃和改編知識。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)計案例的多媒體性質(zhì)。
從案例數(shù)據(jù)中發(fā)現(xiàn)知識依然處于初級階段。部分成功的基于案例的推理作為基于知識的交互式計算模型被記入其較少要求的知識工程和及時學(xué)習(xí)循環(huán)嵌入式模型。然而，CBR方法的現(xiàn)實(shí)是知識工程依然是應(yīng)用程序的關(guān)鍵和困難部分。隨著知識發(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)計的框架重點(diǎn)強(qiáng)調(diào)先前設(shè)計案例的表征和對這個表征的推理。考慮到對有關(guān)設(shè)計是如何生成的缺乏正式的了解，這個是適當(dāng)?shù)?。然而，作為框架的CBR設(shè)計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)計知識。我們這里考慮的兩個人工智能技術(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發(fā)現(xiàn)作為新設(shè)計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：