基于案件推理的计算机维修.docVIP

湖南农业大学课程论文 学 院：信息科学技术学院 计算机09软件班 课程论文题目：基于案件推理的计算机维修 课程名称：人工智能 评阅成绩： 评阅意见： 成绩评定教师签名： 日期： 年 月 日 基于案件推理的计算机维修 摘要：随着internet技术的发展给人工智能提出了极富挑战的问题，它的运用领域也在不断的扩展。 人工智能，案例推理，案例库abstract:with?the?development?of?internet?technology?to?artificial?intelligence?proposed?challenging?problems,its?application?is?also?in?constant?expansion. keyword:artificial?intelligence;case?reasoning;putted?forward 显示对应的拉丁字符的拼音 ? 字典  智能决策支持系统和一般决策支持系统的主要区别在于学习和推理，而学习和推理均是计算机科学中个人工智能(artificial?intelligent，ai)研究的内容，因而我们可以说：idss?=?dss?+?ai人工智能是计算机技术研究的前沿，在用计算机模拟人脑的长河中只是迈出了第一步。人工智能技术将计算机用于要求知识、感知、推理、理解和识别的场所。人工智能可以定义为：使机器能做到像人那样做智能工作的科学。人工智能着重向两个方向发展：一方面，基于数据挖掘和分析的计算智能；另一方面，在传统人工智能领域，基于规则推理的方法在解决复杂领域或知识不完备领域的一些问题时，越来越显示出它的不足，而基于相似性的推理则倍加受到重视，从而提出了基于案例的推理方法。  （一）案例推理的起源 案例推理（case?based?reasoning,?cbr）的研究起源于从认知科学的角度对推理和学习机制的探索过程。认知心理学研究认为基于过去案例的推理是人类最常用的学习和解决实际问题的办法，比基于规则的推理更接近人类的思维。人类在进行问题求解时，往往受到主观认识以及客观环境的影响，几乎不可能获得解决问题所需要的所有信息，缺乏全面、客观的认识，信息不完全。所以一方面，人类不断的收集相关的信息和知识，提高自身的认识，另一方面，通过利用以前学到的经验来指导现在问题的求解。 案例推理(cbr)的概念第一次由耶鲁大学roger?schank教授在其1982年的著作《dynamic?memory》中提出并描述。他在对人类认知科学的研究过程中，提出了脚本的知识表示概念。并提出了基于mops(memory?organization?packers，记忆组织包)的动态记忆理论。这个理论被认为是最早的关于cbr思想在人工智能领域中的描述。1983年佐治亚工学院的janet?kolodner教授，基于动态存储模型和mop理论，开发了第一个真正意义上的cbr系统cyrus。从事机器学习方面研究的德克萨斯大学教授pbruce?porter?开发了知识表示结构的系统protos，将领域知识和特定的知识整合在一起。protos系统被应用在临床诊断中，通过对病人的检查情况对疾病进行分类。 （二）案例推理概述 基于案例的推理是从过去的经验中发现解决当前问题线索的方法。过去事件的集合构成一个案例库(casebase)，即问题处理的模型。当前处理的问题成为目标案例，记忆的问题或情境成为源案例，cbr处理问题时，先在案例库中搜索与目标案例具有相同属性的源案例，再通过案例的匹配情况进行调整。基于案例推理简化了知识获取的过程，对过去的求解过程的复用，提高了问题求解的效率，对有些难以通过计算推导来求解的问题，可以发挥很好的作用。 基于案例推理（cbr）理论是由schank、abelson教授于1977年提出的一套理论与方法。它的基本思想是依据以前的经验来推理和解决当前问题，而经验是以案例的形式储存在案例库中。人在现实生活中求解问题时，在没有系统的理论与规则的指导下，往往是依据以前遇到的经验，找到最相似的求解方法，经过改进解决当前问题。cbr正是基于这种认知学原理，融合类比推理与机器学习的一种解决问题的方法。 在cbr中，知识是以案例形式表示。当求解问题时，通过案例的相似性，利用过去的经验来引导问题求解。在汽车故障诊断领域中，由于受到主观认识、客观条件和环境的限制，难以用精确数学模型或规则等结构化的知识来描述，但同时在汽车故障诊断台帐中却拥有大量的诊断记录来记载问题发生的环境和求解经验。在这些领域中，案例比规则、数学模型更容易获取。cbr则能通过解决问题而不断地学习。这种学习基本上是不需要训练。当问题成功解决后，问题求解经验将被储存。cbr