期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
对象模型及其模型化方法——一种深知识的表示模型 被引量:8
1
作者 吴翰声 《机器人》 EI CSCD 北大核心 1993年第6期23-29,共7页
本文介绍了对象模型和深知识等概念,在这些概念的基础上还讨论了基于框架知识表示形式的复杂系统的模型化方法.文中给出的模型化方法是通过 ISA 关系和 PART-OF 关系的相结合而形成的.这种模型化方法可用于基于深知识的设计型、分析型... 本文介绍了对象模型和深知识等概念,在这些概念的基础上还讨论了基于框架知识表示形式的复杂系统的模型化方法.文中给出的模型化方法是通过 ISA 关系和 PART-OF 关系的相结合而形成的.这种模型化方法可用于基于深知识的设计型、分析型以及控制型等类型的专家系统. 展开更多
关键词 对象模型 知识库 专家系统 知识表示
下载PDF
基于对象模型的机器人规划生成系统及并行推理
2
作者 邵鹏鸣 吴翰声 +1 位作者 房靖 李成刚 《计算机工程与应用》 CSCD 北大核心 2000年第8期75-79,共5页
提出了一种机器人规划生成系统的结构,该系统对机器人物理世界进行了模型化,建立了对象模型知识库,在控制机器人动作序列的生成中,模仿了人的思维方式,将最基本、最简单的最先处理,采用差异减小法逐步减小当前状态与目标状态之间... 提出了一种机器人规划生成系统的结构,该系统对机器人物理世界进行了模型化,建立了对象模型知识库,在控制机器人动作序列的生成中,模仿了人的思维方式,将最基本、最简单的最先处理,采用差异减小法逐步减小当前状态与目标状态之间的差距而逼近在达到目标状态,并提出了一种能较好解决画面问题的方法,用该方法解决画面问题比较完美。此外,提出了一种将并行推理技术应用于机器人任务规划的方法,并设计了推理程序。 展开更多
关键词 对象模型 知识库 机器人 任务规划 并行推理
下载PDF
基于对象模型的YGR-1机器人智能任务规划和控制 被引量:2
3
作者 邵鹏鸣 李成刚 吴翰声 《中国机械工程》 EI CAS CSCD 北大核心 2001年第4期451-455,共5页
研制了一个基于对象模型的机器人智能任务规划与控制系统 ,对系统中的对象进行模型化 ,建立对象模型知识库 ,在设计任务规划时 ,模仿了人在日常生活中完成普通任务时进行任务规划的方法 ,在设计控制软件时 ,根据控制目标 ,设计了推理程... 研制了一个基于对象模型的机器人智能任务规划与控制系统 ,对系统中的对象进行模型化 ,建立对象模型知识库 ,在设计任务规划时 ,模仿了人在日常生活中完成普通任务时进行任务规划的方法 ,在设计控制软件时 ,根据控制目标 ,设计了推理程序 ,因此 ,系统根据一用句子给出的请求 ,规划出一系列相关联的基本任务 ,从而控制机器人各关节协调动作 。 展开更多
关键词 知识库 对象模型 机器人 任务规划 控制系统
下载PDF
Challenges and opportunities:from big data to knowledge in AI 2.0 被引量:13
4
作者 Yue-ting ZHUANG Fei WU +1 位作者 Chun CHEN Yun-he PAN 《Frontiers of Information Technology & Electronic Engineering》 SCIE EI CSCD 2017年第1期3-14,共12页
In this paper, we review recent emerging theoretical and technological advances of artificial intelligence (AI) in the big data settings. We conclude that integrating data-driven machine learning with human knowled... In this paper, we review recent emerging theoretical and technological advances of artificial intelligence (AI) in the big data settings. We conclude that integrating data-driven machine learning with human knowledge (common priors or implicit intuitions) can effectively lead to explainable, robust, and general AI, as follows: from shallow computation to deep neural reasoning; from merely data-driven model to data-driven with structured logic rules models; from task-oriented (domain-specific) intelligence (adherence to explicit instructions) to artificial general intelligence in a general context (the capability to learn from experience). Motivated by such endeavors, the next generation of AI, namely AI 2.0, is positioned to reinvent computing itself, to transform big data into structured knowledge, and to enable better decision-making for our society. 展开更多
关键词 Deep reasoning Knowledge base population Artificial general intelligence Big data Cross media
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部