LPSS双层网络模型

来源 :华东师范大学 | 被引量 : 0次 | 上传用户:zqlyn
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文将事例推理(CBR)、基于本体的建模方法引入学习支持系统(LPSS)中,用人工种经网络的方法改造这两种技术,研究并设计了LPSS双层网络模型。 本模型包括自适应本体网络层和CBR领域知识层。自适应本体网络层把本体网络结构转化为Hopfield网络结构,使信息处理在本体论的基础上充分利用了Hopfield网络的推理功能。CBR领域知识层是在CBR理论的基础上,根据LPSS系统要求,设计的LPSS事例推理的三层结构。 LPSS双层模型实现了LPSS的用户问题处理功能和用户信息适应功能,使得LPSS不仅能够“理解”用户的问题,而且能够适应用户对问题解答的接受水平和接受习惯,提高了LPSS的针对性和适应性。
其他文献
本文详细介绍了一个基于RISC+DSP技术的,嵌入式流媒体处理系统的设计与实现,说明了什么是流媒体,流媒体数据的处理过程,流媒体处理对系统的要求,RISC+DSP技术为什么可以满足在嵌
IT应用领域的不断扩展产生了越来越多的数据,从而导致了对大容量存储系统的迫切需求。如果存储资源以一种无序的方式连接到不同类型的服务器上,不但浪费了大量空闲空间,而且难于
在信息科技高速发展的今天,软件已成为现代高新领域中不可缺少的一部分,被广泛地应用于通信网络,尖端武器以及日常办公处理中.但是,由于软件以人为本,是一个主观创造过程,因
随着Internet的飞速发展,网上的信息资源空前的丰富。人们迫切需要拥有能够从中快速、有效地发现资源和知识的工具,提高在Web上检索信息、利用信息的效率。将传统的数据挖掘与W
无线局域网(WLAN)应用的迅速增长表明无线网络正在成长为现代通信的一个重要方式。随着对移动设备的熟悉和应用,人们越来越希望能充分利用这些设备的优势。为了保证移动设备从原
多目标优化是近些年来逐渐兴起的最优化范畴的关键方向。该领域研究的是在多个优化方向相互制约的情况下,如何达到某种实际意义上的最优化状态的问题。在生产和生活实践中存在
数据库中知识发现(Knowledge Discovery in Database,简称KDD)是当前涉及人工智能和数据库等学科的一门相当活跃的研究领域,序列模式的发现是其中的一个重要研究课题。本文着重
近年来随着计算机网络的迅速发展,网络的规模不断扩大和速度的提高,出现了越来越多的网络应用,网络的用户也显著增加,复杂性不断增加,对网络的管理与计费的要求也相应提高.该
XML文档是一种公认的有语法而无语义信息的半结构化数据,但语义对保护数据的完整性、数据存储和查询优化都有着十分重要的作用。本文在讨论现有XML数据管理方法的基础上,对XML
随着流媒体服务的爆炸式增长,传统的流服务模式—客户端/流媒体服务器呈现出新的问题:首先,随着客户的大量增长,流媒体服务器的负载越来越大,服务器响应越来越慢,导致流服务