《人工智能与专家系统(第二版)》第4章 逻辑推理

大数据-算法-高斯均值场变分推理的算法研究.pdf

提出一种高阶直觉模糊时间序列预测模型。模型首先应用模糊聚类算法实现论域的非等分划分；然后，针对直觉模糊时间序列的数据特性，提出一种更具客观性的直觉模糊集隶属度和非隶属度函数的确定方法；最后，利用直觉模糊多维取式推理建立高阶模型的预测规则，进行预测。在Alabama大学入学人数和北京市日均气温2组数据集上分别与典型方法进行对比实验，结果表明该模型有效提高了预测精度，证明了模型的有效性和优越性。

人工智能-机器学习-案例推理和规则推理在专题地图智能设色中的应用.pdf

基于层次空间推理的交通网络行车最优路径算法

事件是一种重要的知识，近年来，越来越多的工作关注于从开放域或领域文本中抽取结构化事件知识。同时，除了本身就很困难的事件抽取任务之外，近年来，越来越多的研究者开始关注于事件的推理工作中。以下给出由复旦大学知识工厂给出的上下系列综述论文“事件抽取及推理”。欢迎相关研究人员下载学习。

提出了把基于典型事例推理的智能方法应用到路径规划过程中。在结合道路网络知识的基础上，定义了典型事例，并基于事例进行了推理。实验结果表明，该算法减少了搜索空间，加快了搜索速度，并满足人们喜欢在熟悉路径上行驶的偏好。

由于灌区水量调度问题的复杂性和不确定性,单纯利用调度模型进行灌区水量调度在实际应用中往往存在一些问题.为了使理论研究尽可能与实际应用相结合,将人工智能中的基于事例推理( CBR) 技术引入到灌区水量调度中,将以往的灌区水量调度事例作为历史事例以一定的结构和方式存储在事例库中,对于新的灌区水量调度问题,从事例库中寻找相似的事例, 并根据其调度方案, 确定新问题的解决方案.实际算例表明,对于灌区水量调度问题,基于事例推理的灌区水量调度能充分的将以往的调度经验结合起来,使得调度结果更合理、可行,具有较强的实用性

【目的】构建水库防洪调度决策支持系统,为水库洪水调度决策提供支持。【方法】将事例推理(CBR)技术应用到水库洪水调度中,建立基于CBR的水库防洪调度决策支持系统,并提出了系统关键技术的实现思路和方法。【结果】基于CBR的水库防洪调度决策支持系统的运行结果表明,系统能充分地将以往的洪水调度经验和调度模型结合起来,使调度结果更为合理、可行。【结论】所构建的系统具有较强的实用性,可以满足水库防洪调度决策的需要。

EvoFuzzy 这是用于调整模糊推理系统的的非常简单的Python实现。 要求 已知依赖项： Python（3.5.5） 脾气暴躁（1.14.2） Matplotlib（2.2.2） 要安装依赖项，请cd到存储库的目录并运行pip install -r requirements.txt 代码结构 anfis.py ：包含python ANFIS实现。 diffevo.py ：包含差异进化算法的python实现（基于）。 fobj.py ：包含几个目标函数。 mackey.py ：包含一个示例，该示例使用差异演化来调整ANFIS以预测Mackey Glass系列。 本示例在序列的1500个点上训练系统，并绘制实际序列与预测序列的关系图。 要运行示例，请cd到存储库的目录并运行python mackey.py 去做： 实现除高斯人以外的成员资格功能。 实施其他进化算法来