1、- 1 -软计算在智能机器中的作用克拉伦斯总统席尔瓦工业自动化实验室，机械工程系，在不列颠哥伦比亚省，2054 年至 2324 年主城大学，温哥华V6T 1Z4，加拿大在网上公布 2003 年 6 月 18 日摘要智能机依赖计算智能产生的智能行为，这需要一个知识系统，起主要作用的是其代表性和知识处理。逼近是一个智能机的概念，模式识别、推理和决策是其一种智慧的表现。本文探讨软计算在智能机器中使用。软计算是一个重要的智能计算，在模糊逻辑、概率论、神经网络和遗传算法的协同下用来模拟、推理和决策。本文探讨几个重要特点和设备表现出智能行为的能力。其办法是以智能机器的发展方式介绍的，该文件列出智能机器的一
2、般结构，并特别重视它的主要组件，如传感器、执行器、控制器、及沟通的通信通道、他们的相互作用。全盘系统的进行了软计算作用的讨论。常用的技术和方法将用一种智能机器的发展方式介绍，并给出智能机在实际应用发展的主要步骤，提出软计算在工业机器运作的概念，论述在机器内智能调整的方法。关键词：软计算、专家系统、智能机器、智能控制、基于知识的系统、人工智能1、导言一个智能机体现在一般意义上的人工智能，并作为结果显示智能行为，在人工智能领域的发展与电脑发展一样可以认为是人类目标，就像人的大脑，硬件和电脑软件不比 200 亿的神经元聪明，但它已经表明，一台计算机可能会按照设计展示一个人的一些智能特点。由于情报的确
3、不能对其给出相当确切的现实定义。狭窄的定义可以产生误导的解释，一个信息、知识和技术智能机的定义类似席尔瓦如何对盲人谚语组定义大象，而不是试图定义情报。文章将探讨其特点和相关技术机器情报的执行情况，它是一台机器，让机器来显示知识体系智能特性。代表和知识处理是其知识体系的核心。常规机情报依靠符号运算处理大量的描述性信息和知识产生智能机，在实现某种程度的智能行为。逼近是一个智能机;软智能机的概念、模式识别、推理和决策是一种智慧的表现。人类主要是以近似推理、定性智能机的性质。人类可以有效地处理不完整信息，使不精确和模糊信息智能决定（扎德 1984） 。软计算是一个重要分支的计算情报，在模糊逻辑、概率论
4、、神经网络、遗传算法和合作使用中起模仿和客观决策的作用（Filippidis 等过程。1999 年） 。因此，这是一个重要分支在智能机领域的研究，这是本文件的重点。智能机器将展示宽宽领域存在和多种应用程序的意义。以智能机产品的发现，如在家庭家用电器、消费电子、运输系统、工业加工、制造系统和服务（德席尔瓦 2003 年）为例，特别是由于实用、经- 2 -济和质量的原因，必须纳入一定的智能程度和高度自治进入自动化设备。这将需要作为传感器、执行器、信号调节器、通讯器材等控制器和设备的适当整合到一台机器，这本身可能是要智能机。此外，设计、开发、生产和智能机器的操作可能是今天不断研究和开发的智能系统和软
5、计算领域。本文将讨论智能机器的总体结构，感官知觉并在此架构控制的重要职能，一些关于智能机审查实际问题。2、智能机器a、 （一情报）特点给情报下个完整和确切的定义是不可用。任何解释情报必须符合密切相关的特征或向外出现智能机的智能行为。据了解，拥有内存，能力学习，从而获得知识和专长，有能力处理好意外和不熟悉的情况下，有能力分析原因、推断、并推断信息的不完整性和质量都是聪明的特性。特别是模式识别与分类发挥在信息智能处理的重要作用。例如，智能系统可以识别和收购对扭曲对象的有用信息，经以前熟悉分析原则，分析有无无失真的对象。一定的关系是概念近似，从而导致一个处理能力大约为菲尔- 3 -人过程控制行为机器
6、 材料 情报知识 监督控制产品介绍控制系统传感器人工情报人工情报研究，发展，创新，升级操控命令假设收入图 1 一个智能进程的结构的一个智能特性（德席尔瓦 1995 年） 。逼近和定性或软计算能力近似推理下降，在机器的情报范围内，长期机通常用来表示计算机或计算机设备。在这个意义上说机器智能和计算智能是同义的。但是，需要更广泛的意义比智能计算机。它可以用来表示任何处理、植物、系统、设备或机械机器拥有的智能。历史情报机和人工智能（AI ）也来到意味着同样的事情。软计算在该领域的发展采取了一种不同的从传统的人工智能的道路，但它们有助于实现智能机器的总体目标，从而扩大和合理的解释机器智能。（b）结构的智
7、能机器智能机器可以作为一个智能过程处理一般条款。一个智能化的过程如结构图1，其中重要该系统的组成部分是信号流和信息显示。传感、感觉知觉、驱动、控制和知识为基础的决策是至关重要的一个智能化进程的适当的表现。在图 1 中机器、自然情报- 4 -材料、信息和知识所示的总体结构是用来生成产品规格和服务一些根据。创收将是这一进程的经济目标。优质的产品和服务、快速操作、可靠性、环境因素等，可能包含在总的目标，评估的产品和服务，以及该过程中的表现将起至关重要的作用。由于这一过程模型和目标可能不是数学精确的，可能有意外、未知输入和处理骚乱。人工智能的概念和软计算对建模，控制，评估的任务是有益的，适应系统的修改
8、。无论什么样的智能机器，遥感将在运作方面发挥重要作用。例如，如果一台机器具有人类的情感，然后一个可以令人信服地归类为智能机器，但是其机制遥感手段控制机器运行的这些特点。智能传感与智能控制，在这方面是很重要的。特别是在决策和控制方面，从而产生上述特点。特别是，信号和知识为基础的智能机聪明的决策，正如图 1 所示，即使是最先进的智能机器将可受惠于人机界面，这将提供的智能机、天然智能机、情报的接口。互动人类专家可离线和在线透过这种通信接口从事研究和开发系统升级和创新。（c）技术需求虽然相当大的努力已进入发展智能机器的领域，这有点模仿人类的行动，现在这一代的智能机器不声称拥有所有人类智慧的功能，比如常
9、识、情感和创造力显示等，但具有智能机器一些特点：实施情报例如感官知觉、模式识别、知识获取和学习能力，不完全信息推理，推理从定性或近似信息处理、不熟悉情况适应新的尚未处理有关情况并归纳的理由能力。许多研究和发展需要这些领域有关的技术，硬件和软件机器可以始终具有智力水平。例如，考虑手写识别系统，这是一个智能系统的实际例子。根本的问题不能得到解决，通过简单的模板匹配，不需要情报。笔迹相同人都可以在时间上有所不同，由于各种实际的缺点，如缺少字符、错、 ，非重复性、生理变化、限制和感觉噪音。应该清楚地表明这种手写识别系统在处理不完全信息和不熟悉的对象（字符）时，应具备学习、模式识别和近似推理的能力，这将
10、有助于执行该系统的智能功能的能力。软计算技术能够挑战智能机器这种需要。3、人工智能与软计算（a）人工智能据麻省理工学院明斯基（德席尔瓦 1997 年） ，人工智能就是使机器做的事情，将科学需要情报，转化为向外行为的一台机器，而不是在确定审议机器是否是明智的。一个形象的比喻可得出与一个人智能的行为，其大脑本身是物理的实体，实现助攻这种行为。因为它是思考过程的智能行为的线索，在人工智能巨大努力，已针对人工手段的发展模仿人类的思维过程。这些领域内，努力减少认知科学。传统的人工智能依靠操纵沉重的符号处理描述性信息和知识智能，在实现某种程度的智能行为。知识本身可以代表一个特殊的高级语言。即是通过这种智能
11、机加工知识或许决定响应数据，如感觉信号，应具备智能化的特点决定一个人。基于知识的系统和- 5 -相关的专家系统是一个结果由社会所认可，在他们的努力追求智能计算机和智能机器。在认识问题为基础的决策，信息和任何感觉在这一进程的其他现有的数据进行评估，而有关的基础知识具体应用，利用推理使用决策程序。通常情况下，此过程中包括了一些对智能机;形式匹配的抽象数据智能机 ;，与知识库（德席尔瓦 1995 年）。特别是，知识基础，K 和一套数据或资料 D 对特定的进程，在到达程序决定或推论，我可能是因为（德席尔瓦表示，1997 年）I= M P（D）.K， （3.1）其中智能机将操作的 P（ D）转换上下文信
12、息成一种与知识兼容光基预处理信息，匹配过程是利用配对工作 M P(D).K知识基于系统，如规则为基础的系统和模糊决策，特别是系统，仿效这一模式。（b）知识的系统一个典型的知识结构为基础的系统如图 2 所示。知识和专门技能形成的知识基础智能机的智能系统。这可能是表示为一组 if - then 规则（制作） 。新的信息生成或从诸如传感器和人机界面外部来源到达时存储在数据库中。这些数据代表了智能机的决定范围的内智能的决策过程。以知识为基础的系统能够使观念（例如感官知觉）和新的推论或决定使用其推理机制（推理引擎） ，由解释在现有的知识基础的能力的意义和新的信息的影响。这些推论可能构成的产出基于知识的系
13、统。相关的决策任务是智能处理的活动，进而可能导致加强，改进和更新知识基地。专家系统是一个很好的例如一个生产系统。知识表示使用一组 if - then 规则，推理机（推理机制）知识基础（规则或制作）数据库（下）人机接口图 2、以知识结构为基础的系统。不是一个陌生的概念。例如，维护或故障排除手册一台机器（如汽车）包含这些规则以表格形式，也许。另外，：感觉数据在短期记忆火灾的规则，这将导致更复杂的射击规则在长期记忆。这次行动（加工）的一个典型的以规则为基础的系统过程如下新的数据产生（例如，由传感器或外部命令） ，并存储在在该系统的数据库中的适当位置。推理机尝试配合条件的一部分，新的数据（即如果部分或
14、前身）在知- 6 -识基础的规则。这就是所谓的规则搜索。如果规则条件部分匹配的数据，该规则是智能机;发射智能机;，它生成的行动的一部分，出于一个动作（即当时的部分或由此产生的）规则。事实上，一个规则的数额射击上一代（推理的新的事实） ，这反过来又可能形成的背景下，这将导致满意（射击）其他规则。（C）推理和解决冲突推理是程序，一个以知识为基础的系统采用推理。推理引擎负责执行。在一个规则基础的系统，适当的规则被解雇产生的推论，这是涉及一些数据匹配规则的形式。在生产系统中，下面的二是普遍采用的策略来执行的理由，并推论：（i）正向推理;（ii）落后的链接。正向推理是一个数据驱动的搜索方法。在这里，规则
15、库搜索匹配的规则（条件与已知的事实或数据（下） ） ，和智能机;如果智能机;的一部分，如果一匹配检测，相应的规则是发射（即智能机;然后智能机;部分或智能机;行动智能机; 的一部分这一规则被激活） 。显然，这是一个直接和自下而上的策略。动作可包括创建，删除和数据库中的数据更新。一个行动可能导致一个或多个新的规则射击。推理引擎负责测序匹配（搜索）和行动的周期。阿的生产体系，采用正向推理被称为正向生产系统（FPS）的。这种类型的系统是特别有用的知识为基础的控制，例如，在驾驶智能机器。在落后的链接，这是一个自上而下的搜索过程中，一个假设的结论是与规则相匹配的知识基础，以便确定上下文（事实） ，支持的结
16、论。如果有足够的事实证明，一个假设，特定的假设被接受。反向链接是有用的局势，要求合乎逻辑的解释或为每个动作（例如，在故障的理由诊断智能机，并在定理证明） 。一个生产系统使用落后的链接称为反向推理系统（BCS）的。当环境中的数据相匹配的规则，在规则的条件部分基地，它可能会超过一个规则是满意的。这套规则是以这种方式满足被称为冲突集。解决冲突的方法可适用于从冲突中选择确定的，将被解除规则。方冲突的解决，包括以下内容：（1）第一场比赛；（2）最困难的比赛；（3）特权匹配；（4）最近的比赛。在第一个方法中，第一个规则在搜索时将会被解雇。这是一个非常简单的策略，但可能不会产生一般最佳的性能。在第二种方法，该规则中包含了条件元素，在冲突集，将被解雇。例如，假设冲突的设置有以下两个规则。（i）如果温度高，则增加冷却液流量。（ii）如果温度高，冷却剂流速最大，然后关闭降低工厂。在这里，最困难的比赛是第二条规则。在规则库的规则可分配不同的权重，根据其- 7 -重要性和优先事项。特权匹配是最高的优先权规则，设置内部冲突。例如，可优先分配比例匹配的韧性。在这种情况下，方法 2 和 3 的上述相同。或者，可优先分配给有关的意义，或根据规则是在最近的比赛冲突规则集的一部分，其条件满足数据中最近的项目。在这种方法中，更高的优先考虑更多日前抵达数据库中的数据。
