并行单元归结

给出了基于神经网络的单元归结算法.首先将子句集S表示为δ形,并且用算子对(⊙, )引入两种类型的神经元,然后用这两种神经元构造子句集S的神经网络结构,而后给出基于Horn子句集的神经网络的归结算法,最后证明了该算法的完备性,并用实例进行了验证.     

HORN集上基于广义归结方法的定理机器证明

设计了一个Horn集上基于广义归结方法的定理机器证明系统.在算法中使用广度优先与深度优先结合避免了传统归结的组合爆炸.分析了该系统的优缺点,在前人研究的基础上地提出了几点优化的建议.     

λ-Horn集上的λ-单元锁归结

本文给出了λ-Horn集上的λ-单元锁归结方法,并证明了λ-单元锁归结方法对λ-恒假公式是完备的。     

Horn集上的有向调解法

本文证明了在一定条件下输入有向调解法在Horn集上是完备的,进而得出了在该条件下的单元有向调解法对Horn集的完备性。     

广义支撑集归结原理

广义归结是对Ｊ．Ａ．Ｒｏｂｉｎｓｏｎ普通归结的推广．支撑集策略是提高归结效率的有效方法．本文将支撑集策略引入广义归结中,提出了广义支撑集归结方法,并证明了它的完备性．     

在最坏情况下Horn集上的单元反驳长度

１９７４年Ｃｏｏｋ和Ｒｅｃｋｂｏｗ讨论了命题演算中的证明长度。本文作者曾讨论了最好情况下基本Ｈｏｒｎ集上的单元反驳与输入反驳长度及最坏情况下基本Ｈｏｒｎ集上的输入反驳长度。本文讨论了在最坏情况下基本Ｈｏｒｎ集上的单元反驳长度上界．这一上界对某些Ｈｏｒｎ集来说是可达到的．     

Horn集上的语义归结和调换

本文在两种类型的解释上讨论了R-不可满足Horn子句集合上的语义归结和调换.     

SLDNF-归结原理关于模态语义的完备性

Ｂａｒａｔｅｌｌａ定义了正规谓词逻辑程序的模态完全化语义,并证明了该语义关于ＳＬＤＮＦ－归结的部分完备性。本文首先给出了逻辑程序的模态直承算子,并研究了相关的理论性质,进而证明了模态完全化语义关于ＳＬＤＮＦ－归结的完备性。     

PROLOG线性归结的研究与设计

本文研究了 Horn 子句的形式描述,分析了 PROLOG 语言的归结机制,探讨了有选择线性归结及其不完备性,提出的改进技术引入了宽度优先搜索机制,并在理论上作了探讨,解决了使搜索陷入无穷分枝的问题。     

L－Fuzzy集分解与表现定理的新形式

本文从格论入手，重新讨论Ｌ—Ｆｙｚｚｙ集分解与表现定理，并给出更为广泛、具有实用价值的新形式．     

L－Fuzzy集分解与表现定理的新形式

本文从格论入手，重新讨论Ｌ—Ｆｙｚｚｙ集分解与表现定理，并给出更为广泛、具有实用价值的新形式．     

基于粗糙集理论的模糊信息分类方法

介绍了属性约简的概念,并用模糊语义距离矩阵解决了含有模糊数据的相互依赖的数据库的信息分类问题。     

基于Deep Learning的代词指代消解

针对指代消解一直是自然语言处理中的核心问题, 提出一种利用DBN (deep belief nets)模型的Deep Learning 学习机制进行基于语义特征的指代消解方法。DBN模型由多层无监督的RBM (restricted Boltzmann machine)网络和一层有监督的BP (back-propagation)网络组成, RBM网络确保特征向量映射达到最优, 最后一层 BP 网络可以对RBM网络的输出特征向量进行分类, 从而训练指代消解分类器。在 ACE04 英文语料及ACE05中文语料上进行测试, 实验结果表明, 增加RBM训练层数可以提高系统性能。此外, 引入对特征集 合的抽象分层因素, 也对系统性能的提升产生积极作用。     

Horn子句逻辑程序的Petri网模型

Horn 子句逻辑程序 H 可以逻辑等价地转化为 Petri 网模型 M,在 M 中从初始标识 N_0到目标变迁/g(?)形成的发射序列对应着求解 H 的调用序列,在 M 中存在变迁不变式 X≥(?),并且 X(tg)≠0是 H 有解的充要条件。     

浅谈模糊数学在机械设计中的应用

本文应用模糊数学讨论机器的传动。通过隶属函数建立起传动的各因素之间的模糊关系,再通过模糊变换选取较合适的传动种类。     

Vague集之间的一种新的相似度量

相似度量是一种在数据处理和分析中十分重要的、有效的和广泛使用的方法,本文在分析比较以前的几种相似度量的基础上,利用对隶属度差距、假隶属度差距以及未知值差距的重视,提出了一种新的相似度量方法,并通过文中的例子证明了该方法是有效的和可行的.     

提高光电编码器分辨率的电路设计与分析

本文论述了提高光电编码器分辨率的电路设计方法,其中包括二倍频和四倍频电路的设计。同时,对各种类型的电路进行了比较和分析。