CN112036571A - 一种多领域专家系统联合推理方法及系统 - Google Patents
一种多领域专家系统联合推理方法及系统 Download PDFInfo
- Publication number
- CN112036571A CN112036571A CN202010862592.3A CN202010862592A CN112036571A CN 112036571 A CN112036571 A CN 112036571A CN 202010862592 A CN202010862592 A CN 202010862592A CN 112036571 A CN112036571 A CN 112036571A
- Authority
- CN
- China
- Prior art keywords
- internet
- reasoning
- expert system
- domain expert
- things
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 103
- 230000008569 process Effects 0.000 claims abstract description 55
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000011217 control strategy Methods 0.000 claims description 15
- 230000008030 elimination Effects 0.000 claims description 7
- 238000003379 elimination reaction Methods 0.000 claims description 7
- 238000007418 data mining Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000002787 reinforcement Effects 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 230000037213 diet Effects 0.000 claims description 3
- 235000005911 diet Nutrition 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 238000005057 refrigeration Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000012358 sourcing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000008774 maternal effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/043—Distributed expert systems; Blackboards
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种多领域专家系统联合推理方法及系统，所述方法包括：将物联网设备加入已构建的物联网云平台，并将物联网设备的状态变化实时发送给物联网云平台；获取多个知识和规则进行汇聚处理以构建多领域专家系统集群；接收用户选择需要应用的领域专家系统或推理模块，并指定领域专家系统或者推理模块在联合推理过程中的优先级，构建个性化推理知识网络；物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户；物联网设备根据所述推理决策执行策略，接收用户根据策略产生的过程和原因是否满足用户需求的反馈结果。本发明实现了多种领域的专家系统进行联合式推理过程，以及主动感知式的智能控制，为用户带来方便。
Description
技术领域
本发明涉及物联网技术领域，尤其涉及一种多领域专家系统联合推理方法、系统及存储介质。
背景技术
专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
专家系统广泛应用于物联网自动控制领域，目前主要的专家系统模式应用针对于特定领域中的特定任务，主要知识/规则来源于较为单一的专家经验和知识领域，缺乏多领域知识结合的模式，即针对某一具体任务进行多领域综合判定控制规则(类似医学领域“专家会诊”机制)，因而在智能化程度上有一定局限。与此同时，由于在构建知识库或规则同的过程中，会出现多种领域的知识库或专家系统各自独立的构建和演进，无法在同一时间推进和协调整合，所以在多领域知识融合式专家系统在长期发展的过程中不可避免的会遇到多种领域的专家系统进行联合式推理过程，因此如何以开放式架构支持更好的结合多种领域专家系统将会成为专家系统发展过程中的一大瓶颈。
因此，现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于提供一种多领域专家系统联合推理方法、系统及存储介质，旨在解决现有技术中多种领域的知识库或专家系统无法在同一时间推进和协调整合的问题。
为实现上述目的，本发明提供一种多领域专家系统联合推理方法，所述多领域专家系统联合推理方法包括如下步骤：
建立物联网云平台，将物联网设备加入所述物联网云平台，并将所述物联网设备的状态变化实时发送给所述物联网云平台；
根据多种不同范式获取多个知识和规则，将所述多个知识和规则进行汇聚处理以构建多领域专家系统集群；
接收用户选择需要应用的领域专家系统或推理模块，并指定领域专家系统或者推理模块在联合推理过程中的优先级，构建个性化推理知识网络；
所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户；
所述物联网设备根据所述推理决策执行策略，接收用户根据策略产生的过程和原因是否满足用户需求的反馈结果。
可选地，所述的多领域专家系统联合推理方法，其中，所述物联网设备的状态包括：运行状态、运行时间、当前状态、是否开机，所在环境的温度、光照强度、氧气含量、气压和声音大小。
可选地，所述的多领域专家系统联合推理方法，其中，所述将所述物联网设备的状态变化实时发送给所述物联网云平台，之后还包括：
记录用户对所述物联网设备的主动控制时刻的相关环境信息和控制信息。
可选地，所述的多领域专家系统联合推理方法，其中，所述多领域专家系统集群包括多个领域专家系统。
可选地，所述的多领域专家系统联合推理方法，其中，所述领域专家系统包括：医疗领域专家系统、安全领域专家系统和饮食领域专家系统。
可选地，所述的多领域专家系统联合推理方法，其中，设置多个领域专家系统在联合推理过程中的优先级。
可选地，所述的多领域专家系统联合推理方法，其中，所述范式包括：群智协同、关联数据挖掘、深度学习和强化学习。
可选地，所述的多领域专家系统联合推理方法，其中，所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户，具体包括：
所述物联网设备向所述物联网云平台发送当前自身所在的环境参数信息及运行参数；
所述物联网云平台接收到境参数信息及运行参数后，将相关参数完成信息拓展，并向联合专家系统传递并发起推理请求；
所述联合专家系统接收到推理请求后，分别向用户所选择的领域专家系统或推理模块请求推理，并将推理后的结果与所在领域专家系统或推理模块的优先级一同返回给联合推理引擎；
所述联合推理引擎接收到的推理结果与优先级列表后，对所述优先级列表的内容进行消重处理，并将按优先级由低到高进行消除冲突后的叠加控制策略返回给所述物联网云平台；
所述物联网云平台将相应的控制策略返回给对应的所述物联网设备，并将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户，向用户解释相关的策略产生的过程和原因。
此外，为实现上述目的，本发明还提供一种多领域专家系统联合推理系统，其中，所述系统包括：物联网云平台，与所述物联网云平台连接的多个物联网设备，与所述物联网云平台连接的多领域专家系统集群，所述多领域专家系统集群包括多个领域专家系统；
所有所述物联网设备加入所述物联网云平台，所述物联网云平台实时监测所述物联网设备的状态变化；
所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户；
所述物联网设备根据所述推理决策执行策略，接收用户根据策略产生的过程和原因是否满足用户需求的反馈结果。
此外，为实现上述目的，本发明还提供一种存储介质，其中，所述存储介质存储有多领域专家系统联合推理程序，所述多领域专家系统联合推理程序被处理器执行时实现如上所述的多领域专家系统联合推理方法的步骤。
本发明通过建立物联网云平台，将物联网设备加入所述物联网云平台，并将所述物联网设备的状态变化实时发送给所述物联网云平台；根据多种不同范式获取多个知识和规则，将所述多个知识和规则进行汇聚处理以构建多领域专家系统集群；接收用户选择需要应用的领域专家系统或推理模块，并指定领域专家系统或者推理模块在联合推理过程中的优先级，构建个性化推理知识网络；所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户；所述物联网设备根据所述推理决策执行策略，接收用户根据策略产生的过程和原因是否满足用户需求的反馈结果。本发明实现了多种领域的专家系统进行联合式推理过程，以及主动感知式的智能控制，为用户带来方便。
附图说明
图1是本发明多领域专家系统联合推理方法的较佳实施例的流程图；
图2是本发明多领域专家系统联合推理方法的较佳实施例的基本原理图；
图3是本发明多领域专家系统联合推理方法的较佳实施例中用户选择相关领域专家系统作为自己需要的领域知识进行设备控制策略推理与应用的示意图；
图4为本发明多领域专家系统联合推理系统的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明较佳实施例所述的多领域专家系统联合推理方法，如图1所示，所述多领域专家系统联合推理方法包括以下步骤：
步骤S10、建立物联网云平台，将物联网设备加入所述物联网云平台，并将所述物联网设备的状态变化实时发送给所述物联网云平台。
具体地，当建立物联网平台后，将物联网设备联入该物联网平台，同时将物联网设备的状态变化实时向物联网云平台(云服务)发送，以实现对物联网设备的实时监测。
其中，所述物联网设备主要是指智能家居设备，例如智能空调、智能冰箱、智能洗衣机等电器设备。
例如，所述物联网设备的状态包可包括设备自身的运行状态，运行时间，当前状态(转速、流量、电压、温度等)，是否开机，以及设备所在环境的温度、光照强度、氧气含量，气压，声音大小等参数，上述包括并不限定于这些参数，当然还可以包括其他参数。同时也要记录用户对物联网设备的主动控制时刻的相关环境信息和控制信息，例如，下午2点，环境温度为30度，用户将空调启动，设置制冷温度为26度，中度风速。
步骤S20、根据多种不同范式获取多个知识和规则，将所述多个知识和规则进行汇聚处理以构建多领域专家系统集群。
具体地，将多个领域专家系统集中在一起，例如医疗领域专家系统、安全领域专家系统、饮食领域专家系统等，还可以包括其他的专家系统；同时将群智协同、关联数据挖掘、深度学习、强化学习等多个范式提取出来的知识和规则汇聚在一起，构建完成多领域专家系统集群，为联合推理做好准备。
如图2所示，所述领域专家系统可以包括医疗领域专家系统A、保健领域专家系统B、安全领域专家系统C，当然还可以包括其他的专家系统，医疗领域专家系统A依次对应专家规则A、知识库A和推理引擎A，保健领域专家系统B依次对应专家规则B、知识库B和推理引擎B，安全领域专家系统C依次对应专家规则C、知识库C和推理引擎C，同时将群智协同、关联数据挖掘、深度学习、强化学习等多个范式提取出来的知识和规则进行汇聚，构建完成多领域专家系统集群，为联合推理做好准备。
其中，群智协同即利用群体性智慧进行协同化知识收集与共享；当用户在使用互联网设备的时候，可以自主定义一些使用控制规则，并将该规则上传到物联网云平台，同时将该规则设置为可为第三方共享状态，允许将自己使用的策略与第三方共享，实现终端用户的开放式规则编辑。当用户规模增大，并且设备数据增多的时候，会形成大量的群智协同规则库，是用户第一手反馈的规则，具有较高的可信度，并且可以为此用户提供个性化的服务提供数据基础。
其中，关联数据挖掘提取即利用数据挖掘技术从海量设备运行数据中挖掘关联规则，可使用常见的关联规则提取算法Apriori、FPGrowth、FiltereAssociator等，挖掘出相应的关联规则。例如：环境温度为30度时，需要关闭窗户、找开窗帘、打开空调并设置到25度，同时打开二氧化碳传感器。可将该过程提取的规则与专家提取领域知识规则进行合并，然后进行推理应用。适用从大规模数据集中进行规则提取分析，同时支持持续性的规则学习和进化，能够更好的适应用户的日常的使用过程。此外还可以使用决策树算法，如分类回归树算法(Classification And Regression Tree，CART)。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
步骤S30、接收用户选择需要应用的领域专家系统或推理模块，并指定领域专家系统或者推理模块在联合推理过程中的优先级，构建个性化推理知识网络。
具体地，用户可以针对自身需求选择不同应用领域专家系统或者推理模块，同时指定相应的领域专家系统或者推理模块在联合推理过程中的优先级，进而构建完成自己所需要的推理知识网络，可以实现多专家系统的自由组合。
默认情况下使用系统提供的所有预置领域专家系统或推理模块构建推理知识网络，并采用系统预置的优先级。另外，一种更优的方法为，通过利用推荐算法完成用户推理知识网络的构建过程，即在整个专家系统运行一段时间后，在积累了一定量的用户数据上，使用推荐算法向进行相应的推理知识网络结构推荐。用户通过选定相应的领域专家系统(或推理模块)之后，构建完成属于自己偏好推理引擎结构的联合专家系统，此时联合专家系统准备好为该用户提供自动推理决策服务。
例如，如图3所示，用户甲选择医学、母婴和保健相关的领域专家系统作为自己需要的领域知识进行设备控制策略推理与应用，用户乙选择母婴、安全和节能相关的领域专家系统作为自己需要的领域知识进行推理应用，用户丙想要尝试新式的基于强化学习的自动控制方式，用户丙选择安全领域专家系统、强化学习模块进行联合推理应用。例如，用户甲和用户乙最终各自选定或形成的推理决策结构如图3所示，优先级自左向右递减。
步骤S40、所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户。
具体地，用户设备向所述物联网云平台发送当前自身所在的环境参数信息及自己运行参数，所述物联网云平台接收到参数信息后，将相关参数完成必要的信息拓展后，向联合专家系统传递并发起推理请求；所述联合专家系统接收到请求参数后，分别向用户所选择的领域专家系统或推理模块请求推理，并将推理后的结果与其所在领域专家系统或模块的优先级一同返回给联合推理引擎；所述联合推理引擎接收到的推理结果与优先级列表后，对优先级列表的内容进行消重(消除重复的)并将按优先级由低到高进行消除冲突后的叠加控制策略返回给所述物联网云平台；所述物联网云平台将相应的控制策略返回给对应的设备，并可选的将多个专家系统或模块的推理决策过程，推理决策原因返回给用户，向用户解释相关的策略产生的过程和原因。
例如，一个空调设备向物联网云平台发送的参数列表为：
＝＝＝>{环境温度32、设备制冷、期望温度30、风速小}；
<＝＝＝医疗领域专家系统(优先级1)生成控制策略为{设备制冷、期望温度28、风速中}；
<＝＝＝保健领域专家系统(优先级3)生成控制策略为{设备制冷、期望温度25、风速中}；
<＝＝＝群智协同模块(优先级3)产生的控制策略为{设备制冷、期望温度25、风速中}；
那么经过联合推理引擎最后生成的一种可能的控制策略结果为{设备制冷、期望温度28、风速中}。
步骤S50、所述物联网设备根据所述推理决策执行策略，接收用户根据策略产生的过程和原因是否满足用户需求的反馈结果。
具体地，所述物联网设备接收到控制策略后执行策略；用户体验设备应用控制策略后的状态，并根据策略产生的过程和原因向物联网平台反馈该策略是否满足自己的需求，以便于联合专家系统的改进。
本发明的技术方案具备如下优点：
(1)支持多种领域专家系统并行推理；
(2)支持多种领域专家系统的动态的加入和离开联合推理过程；
(3)各领域专家系统之间知识可进行独立编辑与构建，互不干扰，避免知识或规则的过度耦合；
(4)不同领域的专家系统以模块构建，允许用户自主选择所需要的领域知识进行推理，并支持自主选择相应领域专家系统在联合推理过程中的优先级；
(5)支持多种方法对多个推理结果进行动态排序，具体方法包括人工定义权重法，集成学习方法，排序学习方法、推荐系统方法等；
(6)多专家系统集成架构清楚，易于实现微服务化架构实现及横向拓展。
进一步地，如图4所示，基于上述多领域专家系统联合推理方法，本发明还相应提供了一种多领域专家系统联合推理系统，其中，所述系统包括：物联网云平台，与所述物联网云平台连接的多个物联网设备(例如图4中的物联网设备1、物联网设备2、物联网设备3、···、物联网设备N)，与所述物联网云平台连接的多领域专家系统集群，所述多领域专家系统集群包括多个领域专家系统；所述系统还包括与所述物联网云平台连接的客户端(即用户或者用户终端)。
具体地，所有所述物联网设备加入所述物联网云平台，所述物联网云平台实时监测所述物联网设备的状态变化；所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户；所述物联网设备根据所述推理决策执行策略，接收用户根据策略产生的过程和原因是否满足用户需求的反馈结果。
本发明针对智能家居领域的物联网控制功能的应用主要以智能家居中的用户为核心，将人的感知、决策和控制功能相结合，能够综合应用医学、保健、安全和节能等多个领域的知识进行设备控制策略的综合推理与判定，也能够支持用户自由选择自己所需要的领域知识进行推理并支持自主选择相应领域知识在融合推理或多规则仲裁过程中的优先级或相应知识权重，进而实现多种领域的专家系统进行联合式推理过程功能，以及主动感知式的智能控制，降低用户使用的的心智控制负担，为用户提供方便。
进一步地，本发明还提供一种存储介质，其中，所述存储介质存储有多领域专家系统联合推理程序，所述多领域专家系统联合推理程序被处理器执行时实现如上所述的多领域专家系统联合推理方法的步骤。
综上所述，本发明提供一种多领域专家系统联合推理方法及系统，所述方法包括：建立物联网云平台，将物联网设备加入所述物联网云平台，并将所述物联网设备的状态变化实时发送给所述物联网云平台；根据多种不同范式获取多个知识和规则，将所述多个知识和规则进行汇聚处理以构建多领域专家系统集群；接收用户选择需要应用的领域专家系统或推理模块，并指定领域专家系统或者推理模块在联合推理过程中的优先级，构建个性化推理知识网络；所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户；所述物联网设备根据所述推理决策执行策略，接收用户根据策略产生的过程和原因是否满足用户需求的反馈结果。本发明实现了多种领域的专家系统进行联合式推理过程，以及主动感知式的智能控制，为用户带来方便。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种多领域专家系统联合推理方法，其特征在于，所述多领域专家系统联合推理方法包括：
建立物联网云平台，将物联网设备加入所述物联网云平台，并将所述物联网设备的状态变化实时发送给所述物联网云平台；
根据多种不同范式获取多个知识和规则，将所述多个知识和规则进行汇聚处理以构建多领域专家系统集群；
接收用户选择需要应用的领域专家系统或推理模块，并指定领域专家系统或者推理模块在联合推理过程中的优先级，构建个性化推理知识网络；
所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户；
所述物联网设备根据所述推理决策执行策略，接收用户根据策略产生的过程和原因是否满足用户需求的反馈结果。
2.根据权利要求1所述的多领域专家系统联合推理方法，其特征在于，所述物联网设备的状态包括：运行状态、运行时间、当前状态、是否开机，所在环境的温度、光照强度、氧气含量、气压和声音大小。
3.根据权利要求1所述的多领域专家系统联合推理方法，其特征在于，所述将所述物联网设备的状态变化实时发送给所述物联网云平台，之后还包括：
记录用户对所述物联网设备的主动控制时刻的相关环境信息和控制信息。
4.根据权利要求1所述的多领域专家系统联合推理方法，其特征在于，所述多领域专家系统集群包括多个领域专家系统。
5.根据权利要求4所述的多领域专家系统联合推理方法，其特征在于，所述领域专家系统包括：医疗领域专家系统、安全领域专家系统和饮食领域专家系统。
6.根据权利要求5所述的多领域专家系统联合推理方法，其特征在于，设置多个领域专家系统在联合推理过程中的优先级。
7.根据权利要求1所述的多领域专家系统联合推理方法，其特征在于，所述范式包括：群智协同、关联数据挖掘、深度学习和强化学习。
8.根据权利要求1所述的多领域专家系统联合推理方法，其特征在于，所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户，具体包括：
所述物联网设备向所述物联网云平台发送当前自身所在的环境参数信息及运行参数；
所述物联网云平台接收到境参数信息及运行参数后，将相关参数完成信息拓展，并向联合专家系统传递并发起推理请求；
所述联合专家系统接收到推理请求后，分别向用户所选择的领域专家系统或推理模块请求推理，并将推理后的结果与所在领域专家系统或推理模块的优先级一同返回给联合推理引擎；
所述联合推理引擎接收到的推理结果与优先级列表后，对所述优先级列表的内容进行消重处理，并将按优先级由低到高进行消除冲突后的叠加控制策略返回给所述物联网云平台；
所述物联网云平台将相应的控制策略返回给对应的所述物联网设备，并将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户，向用户解释相关的策略产生的过程和原因。
9.一种多领域专家系统联合推理系统，其特征在于，所述系统包括：物联网云平台，与所述物联网云平台连接的多个物联网设备，与所述物联网云平台连接的多领域专家系统集群，所述多领域专家系统集群包括多个领域专家系统；
所有所述物联网设备加入所述物联网云平台，所述物联网云平台实时监测所述物联网设备的状态变化；
所述物联网云平台将多个领域专家系统或推理模块的推理决策过程和推理决策原因返回给用户；
所述物联网设备根据所述推理决策执行策略，接收用户根据策略产生的过程和原因是否满足用户需求的反馈结果。
10.一种存储介质，其特征在于，所述存储介质存储有多领域专家系统联合推理程序，所述多领域专家系统联合推理程序被处理器执行时实现如权利要求1-8任一项所述的多领域专家系统联合推理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010862592.3A CN112036571B (zh) | 2020-08-25 | 2020-08-25 | 一种多领域专家系统联合推理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010862592.3A CN112036571B (zh) | 2020-08-25 | 2020-08-25 | 一种多领域专家系统联合推理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112036571A true CN112036571A (zh) | 2020-12-04 |
| CN112036571B CN112036571B (zh) | 2023-12-29 |
Family
ID=73581205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010862592.3A Active CN112036571B (zh) | 2020-08-25 | 2020-08-25 | 一种多领域专家系统联合推理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112036571B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04135201A (ja) * | 1990-09-27 | 1992-05-08 | Mitsubishi Heavy Ind Ltd | エキスパートシステムの推論方法 |
| KR19980086147A (ko) * | 1997-05-31 | 1998-12-05 | 이대원 | 블랙보드 기반의 혼합추론 전문가시스템 |
| CN104463717A (zh) * | 2014-12-09 | 2015-03-25 | 中国水利水电第十四工程局有限公司 | 一个适用于特大地下洞室群的施工专家信息系统 |
| CN107786469A (zh) * | 2017-11-06 | 2018-03-09 | 烟台慧彦网络科技有限公司 | 一种基于前向任务估计的物联网响应式带宽调节方法 |
| CN108512909A (zh) * | 2018-03-14 | 2018-09-07 | 日照职业技术学院 | 一种基于物联网的计算机远程控制系统 |
| CN108737489A (zh) * | 2018-03-21 | 2018-11-02 | 湘潭大学 | 基于专家系统混合推理的能量管理云平台的配用电设备故障诊断方法 |
| CN109478057A (zh) * | 2016-05-09 | 2019-03-15 | 强力物联网投资组合2016有限公司 | 用于工业物联网的方法和系统 |
| CN109564579A (zh) * | 2016-06-13 | 2019-04-02 | 纽拉公司 | 用于物联网集成平台的情况预测机制 |
| US20200021886A1 (en) * | 2019-08-26 | 2020-01-16 | Lg Electronics Inc. | System, apparatus and method for providing services based on preferences |
| US20200034776A1 (en) * | 2018-07-25 | 2020-01-30 | International Business Machines Corporation | Managing skills as clusters using machine learning and domain knowledge expert |
| US20200111009A1 (en) * | 2018-10-05 | 2020-04-09 | Tata Consultancy Services Limited | Automation of data analytics in an internet of things (iot) platform |
-
2020
- 2020-08-25 CN CN202010862592.3A patent/CN112036571B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04135201A (ja) * | 1990-09-27 | 1992-05-08 | Mitsubishi Heavy Ind Ltd | エキスパートシステムの推論方法 |
| KR19980086147A (ko) * | 1997-05-31 | 1998-12-05 | 이대원 | 블랙보드 기반의 혼합추론 전문가시스템 |
| CN104463717A (zh) * | 2014-12-09 | 2015-03-25 | 中国水利水电第十四工程局有限公司 | 一个适用于特大地下洞室群的施工专家信息系统 |
| CN109478057A (zh) * | 2016-05-09 | 2019-03-15 | 强力物联网投资组合2016有限公司 | 用于工业物联网的方法和系统 |
| CN109564579A (zh) * | 2016-06-13 | 2019-04-02 | 纽拉公司 | 用于物联网集成平台的情况预测机制 |
| CN107786469A (zh) * | 2017-11-06 | 2018-03-09 | 烟台慧彦网络科技有限公司 | 一种基于前向任务估计的物联网响应式带宽调节方法 |
| CN108512909A (zh) * | 2018-03-14 | 2018-09-07 | 日照职业技术学院 | 一种基于物联网的计算机远程控制系统 |
| CN108737489A (zh) * | 2018-03-21 | 2018-11-02 | 湘潭大学 | 基于专家系统混合推理的能量管理云平台的配用电设备故障诊断方法 |
| US20200034776A1 (en) * | 2018-07-25 | 2020-01-30 | International Business Machines Corporation | Managing skills as clusters using machine learning and domain knowledge expert |
| US20200111009A1 (en) * | 2018-10-05 | 2020-04-09 | Tata Consultancy Services Limited | Automation of data analytics in an internet of things (iot) platform |
| US20200021886A1 (en) * | 2019-08-26 | 2020-01-16 | Lg Electronics Inc. | System, apparatus and method for providing services based on preferences |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112036571B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108919669B (zh) | 一种智能家居动态决策方法、装置和服务终端 | |
| Doctor et al. | A fuzzy embedded agent-based approach for realizing ambient intelligence in intelligent inhabited environments | |
| CN110578994B (zh) | 一种运行方法及装置 | |
| CN108181819A (zh) | 家电设备的联动控制方法、装置、系统及家电设备 | |
| CN105759633B (zh) | 一种带强连通分支的多机器人系统可控包含控制方法 | |
| Liu et al. | Improving reliability of JXTA-Orverlay platform: evaluation for e-learning and trustworthiness | |
| CN115826428B (zh) | 家居设备的控制方法和装置、存储介质及电子装置 | |
| CN110966733A (zh) | 一种室内环境的智能控制方法、系统及存储介质 | |
| CN111694280A (zh) | 一种应用场景的控制系统及其控制方法 | |
| CN112057038A (zh) | 一种基于云平台的大数据智能健康监护系统 | |
| CN108052010A (zh) | 智能电器自调节的方法、装置、计算机设备及存储介质 | |
| CN113222170A (zh) | 一种用于物联网ai协同服务平台的智能算法和模型 | |
| CN115900005A (zh) | 空调器的控制方法及装置、空调器 | |
| CN112036571A (zh) | 一种多领域专家系统联合推理方法及系统 | |
| CN112819152B (zh) | 一种神经网络训练方法及装置 | |
| CN111783931B (zh) | 一种基于混合推理的物联网专家系统实现方法及系统 | |
| CN116996546A (zh) | 物联网设备的控制方法、装置、设备及存储介质 | |
| CN108592308B (zh) | 新风系统控制方法及装置 | |
| Lim et al. | An MARL-based distributed learning scheme for capturing user preferences in a smart environment | |
| Hagras et al. | Incremental synchronous learning for embedded-agents operating in ubiquitous computing environments | |
| US20230278200A1 (en) | System and method to emulate human cognition in artificial intelligence using bio-inspired physiology simulation | |
| Castellano et al. | A collaborative situation-aware scheme based on an emergent paradigm for mobile resource recommenders | |
| CN115047773A (zh) | 一种智能家居自动控制方法、装置及智能网关 | |
| Almutlaq et al. | Auto-scaling approach for cloud based mobile learning applications | |
| CN112364936A (zh) | 基于人工智能的温室控制方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Room 2306, east block, Skyworth semiconductor design building, 18 Gaoxin South 4th Road, Gaoxin community, Yuehai street, Nanshan District, Shenzhen, Guangdong 518052 Applicant after: Shenzhen Kukai Network Technology Co.,Ltd. Address before: 518052 Room 601, block C, Skyworth building, 008 Gaoxin South 1st Road, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Shenzhen Coocaa Network Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |