JPS62203225A - 推論処理方式 - Google Patents
推論処理方式Info
- Publication number
- JPS62203225A JPS62203225A JP61045647A JP4564786A JPS62203225A JP S62203225 A JPS62203225 A JP S62203225A JP 61045647 A JP61045647 A JP 61045647A JP 4564786 A JP4564786 A JP 4564786A JP S62203225 A JPS62203225 A JP S62203225A
- Authority
- JP
- Japan
- Prior art keywords
- inference
- knowledge
- meta
- procedure
- knowledge base
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000003672 processing method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 7
- 210000003127 knee Anatomy 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013138 pruning Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XILIYVSXLSWUAI-UHFFFAOYSA-N 2-(diethylamino)ethyl n'-phenylcarbamimidothioate;dihydrobromide Chemical compound Br.Br.CCN(CC)CCSC(N)=NC1=CC=CC=C1 XILIYVSXLSWUAI-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Devices For Executing Special Programs (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔概要〕
知識ベースから必要な解を得るための推論手順を、ユー
ザが知識の一部として記述できるようにして、効率的に
推論処理を実行させる。
ザが知識の一部として記述できるようにして、効率的に
推論処理を実行させる。
本発明は、知識処理システムに関するものであり、特に
知識ベースを対象とする推論処理方式に関する。
知識ベースを対象とする推論処理方式に関する。
一般に、実社会の知識は9部分的な事実関係に関する多
数の知識の電積からなっている。また人間の思考活動は
、これらの多数の知識の中から。
数の知識の電積からなっている。また人間の思考活動は
、これらの多数の知識の中から。
与えられた条件に合致する解を、′推論すなわち三段論
法を重ねてゆくことにより求めるものである。
法を重ねてゆくことにより求めるものである。
たとえば病気の診断の場合、一般に患者についての各種
の身体的症状、病歴、検査結果と個々の病気との間に存
在する多数の事実関係を知識としてもち、その中で特定
の患者の身体的症状、病歴。
の身体的症状、病歴、検査結果と個々の病気との間に存
在する多数の事実関係を知識としてもち、その中で特定
の患者の身体的症状、病歴。
検査語i等を用いて、適合する病名が推論される。
計算機を用いた知識処理システムも、同じ原理に基づい
ている。このシステムは、知識ベースに格納されている
事実関係を表す個々の知識を推論部と呼ばれる木構造の
各節点で表し、この推論部の中で、解くべき問題の問い
合わせ条件、すなわち既知の事実関係の集合に適合する
節点の集合を順次探索してゆき、解を求めるものである
。この探索手段は、一般に推論エンジンと呼ばれている
。
ている。このシステムは、知識ベースに格納されている
事実関係を表す個々の知識を推論部と呼ばれる木構造の
各節点で表し、この推論部の中で、解くべき問題の問い
合わせ条件、すなわち既知の事実関係の集合に適合する
節点の集合を順次探索してゆき、解を求めるものである
。この探索手段は、一般に推論エンジンと呼ばれている
。
第3図にその概念を図式化して示す。
第3図において、30は知識ベース、31は知識処理装
置、32は推論エンジンの機能を果たす推論部。
置、32は推論エンジンの機能を果たす推論部。
33は節点集合格納部、34は端末を表す。
ユーザは、端末34から知識処理装置31に1問い合わ
せ条件となる事実データを入力する。推論部32は知識
ベース30を参照し、所定の推論手順にしたがい、与え
られた条件の事実データに基づいて推論処理を実行する
。
せ条件となる事実データを入力する。推論部32は知識
ベース30を参照し、所定の推論手順にしたがい、与え
られた条件の事実データに基づいて推論処理を実行する
。
節点集合格納部33には、推論の各段階ごとに知識ベー
ス30から取出された推論処理対象の節点集合が格納さ
れ、推論部32の推論進行にしたがって参照および追加
される。
ス30から取出された推論処理対象の節点集合が格納さ
れ、推論部32の推論進行にしたがって参照および追加
される。
推論部32の推論処理方式としては、従来、 DEPT
H−F I R3T方式とBREATH−F I R3
T方式と呼ばれる2つの方式のいずれかが用いられてい
る場合が多い。
H−F I R3T方式とBREATH−F I R3
T方式と呼ばれる2つの方式のいずれかが用いられてい
る場合が多い。
第4図(a)に、DB、PTH−FIR3T方式の例を
示す。この方式は、知識の木構造を、最上位レベルから
一方の側(たとえば図示のように最左側)を深さ方向に
たどり、最下位レベルに達しても解が得られなかったら
1次の上位レベルに戻って再び深さ方向にたどる方法で
推論が進められるように、推論手順を与える推論部を構
築するものである。図中の■ないし■は、その推論処理
順序を示す。
示す。この方式は、知識の木構造を、最上位レベルから
一方の側(たとえば図示のように最左側)を深さ方向に
たどり、最下位レベルに達しても解が得られなかったら
1次の上位レベルに戻って再び深さ方向にたどる方法で
推論が進められるように、推論手順を与える推論部を構
築するものである。図中の■ないし■は、その推論処理
順序を示す。
第4図(b)に、BREATH−FIR3T方式の例を
示す。この方式は、木構造を、最上位レベルから各レベ
ルごとに水平方向に走査しながら深さ方向に推論処理を
進めるように推論部を構築するものである。図中の■′
ないし■′はその推論処理順序を示す。
示す。この方式は、木構造を、最上位レベルから各レベ
ルごとに水平方向に走査しながら深さ方向に推論処理を
進めるように推論部を構築するものである。図中の■′
ないし■′はその推論処理順序を示す。
第5図(a)は、第4図(a)のDEPTH−FIR3
T方式による推論部の例であり、第5図(b)は、同図
(a)の推論部にしたがって推論を進めた場合に、第3
図の節点集合・格納部33に格納される節点集合の推移
を示す。
T方式による推論部の例であり、第5図(b)は、同図
(a)の推論部にしたがって推論を進めた場合に、第3
図の節点集合・格納部33に格納される節点集合の推移
を示す。
従来の推論処理方式では、推論手順(推論部の走査方法
)が知識ベースから独立して推論部内に設定されている
ため、知識ベースに問い合わせられる全ての問題に同一
の推論手順が適用されることになる。
)が知識ベースから独立して推論部内に設定されている
ため、知識ベースに問い合わせられる全ての問題に同一
の推論手順が適用されることになる。
ところで、知識ベースの推論部の特性によっては3問題
にもっとも適した特別の推論手順が存在している場合が
ある(たとえばある事実に高い重要度、緊急度、出現頻
度等があって、特別の優先度が与えられる場合)。その
ような場合には、その特別の推論手順、たとえば探索順
序の指定や探索失敗時のバックトラック手順指定を適用
することにより、処理効率を著しく改善することができ
る。
にもっとも適した特別の推論手順が存在している場合が
ある(たとえばある事実に高い重要度、緊急度、出現頻
度等があって、特別の優先度が与えられる場合)。その
ような場合には、その特別の推論手順、たとえば探索順
序の指定や探索失敗時のバックトラック手順指定を適用
することにより、処理効率を著しく改善することができ
る。
しかし、ユーザが推論手順を変更するためには。
推論部の内容を書き替えなければならず、一般には極め
て困難であるという問題があった。
て困難であるという問題があった。
問題解決に使用される知識には、与えられた問題の仕様
を記述するオブジェクト知識と戦略(ヒユーリスティク
ス)を記述するメタ知識(戦略型知識)がある。従来の
知識表現方式では、多くの場合2戦略型知識がオブジェ
クト知識中に暗黙のうちにうめこまれていたが9本発明
では、オブジェクト知識と戦略型知識とを分離すること
によって1問題の解決を図るものである。
を記述するオブジェクト知識と戦略(ヒユーリスティク
ス)を記述するメタ知識(戦略型知識)がある。従来の
知識表現方式では、多くの場合2戦略型知識がオブジェ
クト知識中に暗黙のうちにうめこまれていたが9本発明
では、オブジェクト知識と戦略型知識とを分離すること
によって1問題の解決を図るものである。
すなわち本発明は、従来の知識ベースと推論部の上位に
、推論手順に関する知識を格納するメタ知識ベースと、
その推論に関する知識に基づいて推論部の推論手順を制
御するメタ推論部とを設けることにより、推論手順に関
する知識を容易に記述し、利用できるようにするもので
ある。
、推論手順に関する知識を格納するメタ知識ベースと、
その推論に関する知識に基づいて推論部の推論手順を制
御するメタ推論部とを設けることにより、推論手順に関
する知識を容易に記述し、利用できるようにするもので
ある。
第1図は本発明の原理を示す構成図である。
第1図において、10は知識ベース、11はメタ知識ベ
ース、12は知識処理装置、13は推論部、14はメタ
推論部、15は節点集合格納部、16は端末を表す。
ース、12は知識処理装置、13は推論部、14はメタ
推論部、15は節点集合格納部、16は端末を表す。
知識ベースlOおよび推論部13は、基本的には従来の
知識処理システムにおけるものと同じであり。
知識処理システムにおけるものと同じであり。
知識ベース10には事実に関する知識が格納され。
推論部13により所定の手順で参照される。
メタ知識ベース11には、ユーザが問題に応じて予め記
述した特定の推論手順(あるいは規則)がメタ知識とし
て格納されている。
述した特定の推論手順(あるいは規則)がメタ知識とし
て格納されている。
メタ推論部14は、ユーザが端末16から指示した問題
に適合する推論手順すなわち推論部の節点選択情報をメ
タ知識から得て、推論部13の推論処理を制御する。
に適合する推論手順すなわち推論部の節点選択情報をメ
タ知識から得て、推論部13の推論処理を制御する。
従来の知識処理システムでは、推論手順が推論部につく
りつけになっていたが9本発明では任意種類の推論手順
がメタ知識としてメタ知識ベースに格納されていて、適
宜格納され、メタ推論部に取入れられ機能化されること
により9問題ごとに推論手順を容易に最適化することが
できる。
りつけになっていたが9本発明では任意種類の推論手順
がメタ知識としてメタ知識ベースに格納されていて、適
宜格納され、メタ推論部に取入れられ機能化されること
により9問題ごとに推論手順を容易に最適化することが
できる。
以下に、第1図の構成による実施例の機能を具体例を用
いて説明する。
いて説明する。
第2図(a)は第5図(a)と同じ推論部の例であるが
、ここである問題を処理するためには。
、ここである問題を処理するためには。
節点■−O−@−■を最優先に選択して推論を行わせる
のが有利であることが知られているものとする。この場
合は、■−■−〇−■で開始されるDEPTH−F I
R3T方式の推論手順をメタ知識ベースに保持しておき
、該当する問題が与えられたとき、メタ推論部により、
この推論手順のメタ知識が参照され、推論制御に使用さ
れる。第2図(b)は、この推論手順にしたがって節点
集合格納部に順次格納される節点集合の変化を示す。
のが有利であることが知られているものとする。この場
合は、■−■−〇−■で開始されるDEPTH−F I
R3T方式の推論手順をメタ知識ベースに保持しておき
、該当する問題が与えられたとき、メタ推論部により、
この推論手順のメタ知識が参照され、推論制御に使用さ
れる。第2図(b)は、この推論手順にしたがって節点
集合格納部に順次格納される節点集合の変化を示す。
図示の例において5節点■がゴール(解)であった場合
、推論部を左側から走査する第5図(b)の例にくらべ
て、極めて効率的に推論処理が行われることがわかる。
、推論部を左側から走査する第5図(b)の例にくらべ
て、極めて効率的に推論処理が行われることがわかる。
次に、 Prologを用いた知識処理システムの適用
例について説明する。
例について説明する。
本システムにおいては、オブジェクト知識とメタ知識は
Prologのシンタクスで記述される。メタ知識は次
のように表現できるようにした。
Prologのシンタクスで記述される。メタ知識は次
のように表現できるようにした。
a、) 1nhibit−instance(P) ニ
ーcondition。
ーcondition。
1nhibiLinstance型知識は枝刈りを行う
条件を記述する。推論エンジンは、Pの解が求まったと
きにこの知識を起動し、それが成功するとその解を無効
にする。
条件を記述する。推論エンジンは、Pの解が求まったと
きにこの知識を起動し、それが成功するとその解を無効
にする。
b ) choose−instance(PAN)
ニーcondition。
ニーcondition。
choose−instance型知識は探索の順序を
記述する。推論エンジンは、Pを解くときには全数探索
を行い、各インスタンスに対してこの知識を起動して評
価関数Nを求め、Nの小さいインスタンスから先に探索
を進める。
記述する。推論エンジンは、Pを解くときには全数探索
を行い、各インスタンスに対してこの知識を起動して評
価関数Nを求め、Nの小さいインスタンスから先に探索
を進める。
c)backfail(P、Q) ニーconditi
on。
on。
−backfail型知識は探索に失敗したときにバッ
クトラックする点を記述する。推論エンジンは、Pを解
くのに失敗したときにはQまでバックトラックする。
クトラックする点を記述する。推論エンジンは、Pを解
くのに失敗したときにはQまでバックトラックする。
次に例題を示す。
一つの生産工場からn個の消費工場へ
の物資の運搬をm個の車で行う。運搬にかかる日数は工
場ごとに定まっている。
場ごとに定まっている。
運搬中の車の動きは決定的であるが生産工場からどの消
費工場へ行くのかを決定するところに非決定性がある。
費工場へ行くのかを決定するところに非決定性がある。
次のような条件がある。
■ 予め定められた工場の休日に車が
到着してはいけない。
■ 各工場の在庫量は常に定められた
範囲でなければならない。
■ 各車は予め定められた期間中は点
検のために使用できなくなる。
■1問題の仕様の記述
まず、初日から順に車の移動と各工場の在庫量の計算を
繰り返すプログラムは簡単に書くことができる。■から
■の条件は、このプログラム中にうめこむこともできる
。しかし、プログラムに対する制御知識と考えると、意
味的には区別しなければならないが、形式的には戦略型
知識と同じシンタクスで記述できる。たとえば、■の条
件は。
繰り返すプログラムは簡単に書くことができる。■から
■の条件は、このプログラム中にうめこむこともできる
。しかし、プログラムに対する制御知識と考えると、意
味的には区別しなければならないが、形式的には戦略型
知識と同じシンタクスで記述できる。たとえば、■の条
件は。
1nhi bi t−1nstance (nex t
−pos (pos + Pac tory、 Day
) ) : −holiday(Factory、Da
y)。
−pos (pos + Pac tory、 Day
) ) : −holiday(Factory、Da
y)。
と記述できる。ここで、 nexLposは次の日の車
の位置を求める述語で、第1引数に現在の位置を与える
と第2引数に次の位置が返る。この知識は。
の位置を求める述語で、第1引数に現在の位置を与える
と第2引数に次の位置が返る。この知識は。
次の位置が休日の工場であるような車の動きを禁止して
いる。
いる。
このようにして1問題の仕様を簡潔に記述することがで
きる。次にメタ知識を記述する。
きる。次にメタ知識を記述する。
■、メタ知識の記述
(1)早い時期の枝刈り
最も簡単に効率をあげる戦略は、技刈りを早い時期に行
うことである。たとえば2次のように記述することによ
って、車が生産工場を出発するときに■の条件による枝
刈りを行うことができる。
うことである。たとえば2次のように記述することによ
って、車が生産工場を出発するときに■の条件による枝
刈りを行うことができる。
1nhibit−tnstance(next−pos
(fO,Next pos、Day))ニーgoal
−factory(Next−pos+Factory
)+arrival (Factory+ Day+
Arrival) +holiday(Factory
、Arrival)。
(fO,Next pos、Day))ニーgoal
−factory(Next−pos+Factory
)+arrival (Factory+ Day+
Arrival) +holiday(Factory
、Arrival)。
ここで、 goal factoryは行き先の工場を
求める述語で、 arrivalは到着日を求める述語
である。
求める述語で、 arrivalは到着日を求める述語
である。
しかし、このような先読みによって全ての技刈りを行う
ことは不可能である。
ことは不可能である。
(2)探索の順序の制御
二の例題では、生産工場から出発する際にどの工場にい
くのかを決定するところに非決定性がある。制御を行わ
ない場合、探索の順序はnexLposが宣言された順
序によって決まってしまう。効率の良い探索を行うため
には。
くのかを決定するところに非決定性がある。制御を行わ
ない場合、探索の順序はnexLposが宣言された順
序によって決まってしまう。効率の良い探索を行うため
には。
これを制御する戦略が必要になる。たとえば。
「上 れが゛っている工”に に′−<」という
戦略型知識は次のように記述される。
戦略型知識は次のように記述される。
choose 1nstance(next pos(
fo、Next pos、Day)+N)ニーgoal
jactory (Next−pos、 Factor
y) +11m1t(Factory、N)。
fo、Next pos、Day)+N)ニーgoal
jactory (Next−pos、 Factor
y) +11m1t(Factory、N)。
ここで、 11m1tは工場の在庫が切れるまでの日数
を計算する述語で、その値を評価関数として使っている
。・ (3)バックトラックポイントの指定 (2)のような戦略を導入しても、バックトラックは起
こる。たとえば、今日出発しないと下限を割る工場fが
あるにもかかわらず。
を計算する述語で、その値を評価関数として使っている
。・ (3)バックトラックポイントの指定 (2)のような戦略を導入しても、バックトラックは起
こる。たとえば、今日出発しないと下限を割る工場fが
あるにもかかわらず。
点検等の理由によってfに出発できる車がないことがあ
る。このようなとき、単純なバ・ツクトラックを行うと
、f以外の工場に出発する選択枝を選んで再び同じ失敗
をすることがある。次のような記述をすることによって
fに出発する選択枝までバックトラックさせることがで
きる。
る。このようなとき、単純なバ・ツクトラックを行うと
、f以外の工場に出発する選択枝を選んで再び同じ失敗
をすることがある。次のような記述をすることによって
fに出発する選択枝までバックトラックさせることがで
きる。
Z
backfail (next−pos (fo+ N
ext−pos、 Day) +next−pos (
fo+ Next−pos+ Day2) ) :go
al−factory (Next−pos、 Fac
tory) 111m1t(Factory、O)。
ext−pos、 Day) +next−pos (
fo+ Next−pos+ Day2) ) :go
al−factory (Next−pos、 Fac
tory) 111m1t(Factory、O)。
本発明によれば、推論部の推論手順を制御する論理構造
が、メタ知識を用いて任意に設定あるいは設定変更でき
るため1次のような利点が得られる。
が、メタ知識を用いて任意に設定あるいは設定変更でき
るため1次のような利点が得られる。
(1)戦略型知識を独立に記述できる。
(2)オブジェクト知識(問題の仕様)の記述が明確で
容易になる。
容易になる。
(3)仕様や戦略の変更などの知識の更新に強い。
この結果、ユーザの問題に最適の推論手順を採用するこ
とが容易になり、効率的で高速処理可能な知識処理シス
テムが実現できる。
とが容易になり、効率的で高速処理可能な知識処理シス
テムが実現できる。
第1図は本発明の原理的構成図、第2図は本発明実施例
における推論本例と節点集合変化の説明図、第3図は従
来の知識処理システムの構成図。 第4図は推論処理方式の例の説明図、第5図は従来方式
による推論本例と節点集合変化の説明図である。 第1図中。 10:知識ベース 11:メタ知識ベース 13:推論部 14:メタ推論部 15:節点集合格納部
における推論本例と節点集合変化の説明図、第3図は従
来の知識処理システムの構成図。 第4図は推論処理方式の例の説明図、第5図は従来方式
による推論本例と節点集合変化の説明図である。 第1図中。 10:知識ベース 11:メタ知識ベース 13:推論部 14:メタ推論部 15:節点集合格納部
Claims (1)
- 【特許請求の範囲】 知識ベース(10)と、知識ベース(10)の知識を対
象に推論を実行し問題の解を求める推論部(13)とを
そなえた知識処理システムにおいて、 推論部(13)が知識ベース(10)を対象に推論を実
行するための手順を規定する戦略的知識を記述したメタ
知識を格納するメタ知識ベース(11)と、メタ知識ベ
ース(11)のメタ知識に基づいて推論手順を決定する
メタ推論部(14)とを設け、メタ推論部(14)が決
定した推論手順にしたがって推論部(13)に推論を実
行させることを特徴とする推論処理方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP61045647A JPS62203225A (ja) | 1986-03-03 | 1986-03-03 | 推論処理方式 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP61045647A JPS62203225A (ja) | 1986-03-03 | 1986-03-03 | 推論処理方式 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS62203225A true JPS62203225A (ja) | 1987-09-07 |
Family
ID=12725163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP61045647A Pending JPS62203225A (ja) | 1986-03-03 | 1986-03-03 | 推論処理方式 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS62203225A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03218527A (ja) * | 1988-05-25 | 1991-09-26 | Matsushita Electric Ind Co Ltd | 計画型推論方法及びその装置 |
JP2018073015A (ja) * | 2016-10-26 | 2018-05-10 | ナレルシステム株式会社 | 探索枝刈り方法、コンピュータプログラム及び装置 |
-
1986
- 1986-03-03 JP JP61045647A patent/JPS62203225A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03218527A (ja) * | 1988-05-25 | 1991-09-26 | Matsushita Electric Ind Co Ltd | 計画型推論方法及びその装置 |
JP2018073015A (ja) * | 2016-10-26 | 2018-05-10 | ナレルシステム株式会社 | 探索枝刈り方法、コンピュータプログラム及び装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Brown et al. | Design problem solving: knowledge structures and control strategies | |
Kant et al. | Problem solving techniques for the design of algorithms | |
Anderson | Learning and problem-solving with multilayer connectionist systems (adaptive, strategy learning, neural networks, reinforcement learning) | |
Siau | Informational and computational equivalence in comparing information modeling methods | |
US7523079B2 (en) | Situation dependent operation of a semantic network machine | |
Popp et al. | Judith, a computer program to advise lawyers in reasoning a case | |
JPH1074188A (ja) | データ学習装置およびプラント制御装置 | |
Smedslund | The problem of" What is learned?" | |
JPS62203225A (ja) | 推論処理方式 | |
Falcó et al. | Aggregating imprecise linguistic expressions | |
EP0454294A2 (en) | A reticular discrimination network for specifying real-time conditions | |
JPH0693204B2 (ja) | プラント監視制御システム | |
Buchanan | The related but distinct ‘sciences' of economics and of political economy | |
JP2022063864A (ja) | 機械学習を自動化するための装置及び機械学習自動化方法 | |
Say et al. | Improved filtering for the QSIM algorithm | |
Huang et al. | Agents for cooperating expert systems in concurrent engineering design | |
Nakatani et al. | Tuning rules by cases | |
Rowe et al. | Beyond expert systems—reasoning, judgment, and wisdom | |
KANNAN et al. | ARTIFICIAL INTELLIGENCE WITH ROBOTICS | |
Skowron | Approximate reasoning in MAS: rough set approach | |
Klarlund | Time Representation and Use in Expert Systems | |
Karimi et al. | Learning With C4. 5 in a Situation Calculus Domain | |
Findler | Analogical reasoning in design processes | |
Tsuruta et al. | Knowledge-Based Validation Method for Validating Intelligent Systems. | |
Mäkeläinen et al. | Efficient concept formation in large state spaces |