论文部分内容阅读
基于模型的推理是近些年来人工智能中非常活跃的研究领域,其中很重要的一步就是对物理世界的建模过程。一个关键的问题是如何找到一个适当的表示抽象的一般框架,自动构造物理世界W的适合于一定推理模式的抽象模型表示。很多学者已经对人工智能领域中抽象的一般理论做了大量的研究,比如问题求解、问题重构等等。大多数研究都是试图找到抽象的一般性的定义,Saitta和Zucker于1998年提出了表示改变的模型,从构造性的角度给出了表示客观世界W的抽象的一般性框架并应用于概念表示和学习中,这个模型称为KRA(Knowledge Reformulation and Abstraction)模型。该模型设计完成问题的概念化过程以及抽象算子的自动应用,可以看作一个表示抽象的一般性框架。而在物理系统定性模型的构建领域中,很多学者将结构知识、行为知识、功能知识、目的知识等应用于物理系统的建模过程中,促进了物理系统的多重模型的生成,丰富了模型的推理系统。本文的研究主要以人工智能中抽象的一般理论和物理系统的定性建模两个领域为背景展开,将物理世界W的形式化抽象的一般框架与物理系统建模过程中的多重知识方法相结合,探索一个可以表示物理世界W的一般化的通用的建模框架,具体研究内容如下:1、对KRA模型各层的抽象算子进行功能定义,提出了一个抽象算子在系统的基本框架Rg上进行的非独立的运算过程,使得不会在抽象过程中生成重复的部件类型,不仅降低了存储空间,还增加了在进一步的抽象运算中算子重用的概率,提高了整个抽象运算的效率。同时描述了基于模型诊断中的抽象分层过程,提出了动态和静态构造算子库两种方法,并给出一个应用抽象算子集合自动生成待诊断系统分层表示的算法。2、扩展了KRA模型的表示框架R。(1)“平面”扩展KRA模型为广义KRA模型(General KRA Model,G-KRA),将感知过程分解为初步感知和抽象感知过程两部分,初步感知过程保证了KRA模型框架中感知层的广义性,抽象感知过程则与具体的任务相关,这种抽象建模过程的细化可生成W的不同的抽象模型,考虑了人们对同一世界W的不同应用,使推理得到简化。(2)“立体”扩展广义KRA模型中的基本感知过程为多重感知过程,根据W中对象所属域(Domain)的不同生成多重域(Multi-Domain)抽象模型。同时定义不同域抽象模型之间的域关系,建立多重域抽象模型之间的连接。3、提出本体类的概念,在本体类中实现KRA模型框架中的感知层、语言层和理论层的知识共享和重用,简化了KRA模型的表示。分别定义了作用在物理世界W和本体类上的三种本体抽象算子(集):基本本体抽象算子、实体本体抽象算子集和连接本体抽象算子集,并给出本体类之间的映射关系,通过这种映射关系能够实现模型抽象和模型还原,同时形式化描述了基于本体的分层抽象过程。4、提出流片段的概念,扩展本体类的概念为对象本体类和流本体类,从两个不同的方向上给出了流本体类的抽象分层过程,形式化描述了基于流本体类的分层模型表示。同时,引入现象和目的的概念,定义流片段的现象不可区分性和目的不可区分性,合并流本体类中的某些流片段,建立流本体类和现象集合或目的集合之间的映射关系,为客观世界的多重分层抽象过程提供共享和重用的知识库。