导读:本文包含了黑板模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:黑板,模型,系统,智能性,全景,故障,组合。
黑板模型论文文献综述
李宏毅,廉根宽,孙永福[1]（2019）在《黑板模型信息推理的风力机转子故障诊断研究》一文中研究指出风力机是否正常运行关系风电机组安全问题,风力机故障诊断是满足风电机组安全生产的典型问题之一。该文结合风力机的运行特点和参数特征,采用适宜机电设备故障诊断的黑板模型专家系统方法,对风力机的转子故障诊断进行了研究,提出了黑板模型的故障诊断框架和实施方法。(本文来源于《鄂州大学学报》期刊2019年01期）
毛青青[2]（2018）在《基于支持向量机和黑板模型的服装专家推荐系统》一文中研究指出随着互联网迅速发展,消费群体热衷于网上购物,为线上顾客带来专业的购物体验成为当前的研究热点之一。现有的服装款式推荐系统通常基于顾客对自身体貌特征的判断推荐服装,由于顾客对自身的体貌特征定位不清晰导致推荐结果的主观性和不准确性。另一方面,基于顾客的喜好取向和购买习惯的推荐方法,并没有考虑顾客的实际体貌特征,且缺乏专业人士的服装推荐意见。随着图像识别技术和深度学习的迅速发展,将其融入电子商务成为服装销售领域的发展趋势。本课题所设计的服装专家推荐系统(Costume Expert Recommendation System,简称CERS)首先通过人机交互获取顾客的照片,应用基于卷积神经网络的支持向量机(简称CNN-SVM)的多分类器模型,提取照片中顾客的体貌特征;其次,CERS将顾客的特定体貌特征信息存入专家系统的事实库中,并把服装专家知识以产生式规则方式存入规则库,进一步对系统推理机所采用的传统串行黑板模型新增动态搜索机制改进,系统基于顾客不同的体貌特征和服装搭配专家经验两方面提供智能化、个性化的服装推荐。支持向量机(Support Vector Machine,简称SVM)分类精度高、泛化能力强,本文选用SVM作为顾客体貌特征分类器。以脸型为例,为提取脸部特征,本文对比分析了监督下降法(Supervised Descent Method,简称SDM)算法和卷积神经网络(Convolutional Neural Networks,简称CNN)算法,实验结果表明,相较于SDM算法,CNN算法无需图像预处理可以直接隐式提取特征,且不易丢失脸型轮廓信息。将SVM和CNN算法结合,所得到CNN-SVM多分类器作为顾客信息自动采集模块的核心技术,自动获取顾客的肤色、脸型、肩型、身型特征,可解决由于目前客户手动输入或选择的文字信息所带来的主观性和不确定性。本文所设计的基于专家系统的CERS模拟服装专家的思维过程,针对顾客的肤色、身型、脸型、肩型的体貌特征按照搭配知识规则正向推理得到服装推荐清单。其知识库采用产生式规则形式保存顾客、服装信息以及搭配知识。推理机采用添加动态搜索机制的黑板结构,在搜索过程中根据规则结论数据重新调整知识源(Knowledge Source,简称KS)的优先级顺序,确保下一级KS在更小范围的数量空间进行搜索,解决专家系统中经典黑板模型的缺点,有效提高规则匹配和搜索的速度。(本文来源于《东华大学》期刊2018-01-01）
刘杰,张耀中[3]（2017）在《基于黑板模型的分布式协同任务决策方法研究》一文中研究指出基于黑板模型的分布式指挥控制网络为未来复杂环境下海战中多平台间的高效协同提供了新思路,通过构建应用于多航母群联合海战的分布式协同网络,对多航母群联合海战下的系统负载进行了研究,建立了一种多平台任务决策的数学模型,采用嵌套遗传算法进行了仿真求解,得到了理想的任务决策方案。最后对由于目标函数中内部负载权重系数不同取值所引起的不同任务决策结果进行了比较,验证了将基于黑板模型的分布式协同网络应用于多航母海战协同决策的科学性,为分布式海战协同决策网络的后续研究工作奠定了基础。(本文来源于《火力与指挥控制》期刊2017年11期）
刘永爱,鞠炼,王红红[4]（2017）在《基于分级多层黑板模型的钻井风险管理系统研究》一文中研究指出在阐述了钻井风险管理和黑板模型理论的基础上,给出了全过程钻井风险管理系统的工作流程,然后利用多级分层黑板模型构建了钻井风险管理系统的框架结构,以此实现对风险信息的分级分层处理,并有效地解决钻井过程中出现的一些复杂的、不确定性风险因素,进而达到对钻井风险的科学化管理。(本文来源于《西安石油大学学报(社会科学版)》期刊2017年02期）
侯小军,陈忱,王晓帆[5]（2016）在《基于事件驱动与分级多层黑板模型的态势评估方法》一文中研究指出通过分析态势评估的过程,指出态势评估的本质是根据已发生事件,预测未来发生事件的趋势。本文分析了态势评估中已有黑板模型的不足,以及黑板模型的优缺点,提出基于事件驱动与分级多层黑板模型的态势评估方法,克服了因黑板边界划分带来的黑板推理的不准确性,使得态势评估更加准确与直观。(本文来源于《软件工程》期刊2016年04期）
王文灿,何庆,贾巧娇,朱德生[6]（2015）在《基于慧鱼模型的智能化黑板设计》一文中研究指出慧鱼创意组合模型是一种技术含量较高的工程技术类拼装模型,是展示科学原理和技术过程的理想教具。基于慧鱼技术设计了一种全智能化黑板,针对传统黑板的不足进行了创新性设计,赋予了黑板新教具的使用智能化、多功能化、实用化、舒适化等多重功能,从而满足现代化课堂教学的需要。(本文来源于《江苏理工学院学报》期刊2015年02期）
郝广涛,韩学山,梁军,梁正堂[7]（2014）在《多代理系统和黑板模型结合的全景电网拓扑分析》一文中研究指出未来电力系统的调度与控制必将面临发电、输电、配电和用电有机关联、不可分割的局面,面临的一个基础的问题就是电网的全景拓扑。由于电网全景信息处于分散、关联的存储管理方式,使传统集中式的拓扑分析方法面临挑战。对此,在广域环境下,提出了多代理系统(MAS)结合黑板模型的全景电网拓扑分析方法。首先,提出了厂站MAS拓扑分析方法,使各厂站能够分散、独立且并行地完成各自的拓扑分析;然后,基于黑板模型,提出了厂站间拓扑分析的通信、协调规则和方法,从而完成全景拓扑分析。通过对实际系统的仿真验证,表明了所提方法的有效性。(本文来源于《电工技术学报》期刊2014年12期）
殷锋社[8]（2013）在《基于黑板模型的多智能协作学习系统的模型研究》一文中研究指出构造了基于黑板模型的多智能协作学习系统。运用黑板模型,将多Agent技术应用到协作学习系统中,实现多个Agent之间的通信与协作学习。设计并实现了一个Jadex平台的智能协作学习原型系统,通过系统平台的运行测试,该系统实现了基本的智能协作学习功能。该系统具有智能性,可以使协作学习系统为学生提供更好、更高效的服务,提高学生在协作学习过程中的效率(本文来源于《电子设计工程》期刊2013年10期）
卢志刚,叶治格,杨丽君[9]（2012）在《基于黑板模型的配电网多故障分时段动态恢复》一文中研究指出为更好地实现配电网抢修过程中多故障分时段的动态恢复问题,提出了基于黑板模型的配电网多故障分时段动态恢复方法。首先建立了以恢复失电电量最大与系统网损最小为目标的双层优化模型。然后根据黑板模型原理,每次故障恢复由一个工作代理负责,各代理进行分布式并行计算,并利用改进离散细菌群体趋药性算法求取各代理的最优解,协调机制通过对可中断负荷的控制保证重要负荷优先恢复和减少开关操作次数。算例结果验证了该方法的有效性。(本文来源于《电网技术》期刊2012年09期）
杨丽君,刘建超,曹良晶,卢志刚[10]（2012）在《基于黑板模型的配电网故障恢复多代理协作机制设计》一文中研究指出基于多代理理论,提出一种考虑负荷控制的含分布式电源配电网故障后快速恢复供电的多代理方法。构建了包含重要负荷代理、负荷全局控制代理、分布式电源代理、微电网代理的多代理系统,完成供电恢复策略的制定。引入黑板模型作为协调机制,并对黑板和知识库进行了模块化设计。恢复过程中每个代理寻找问题解部分,黑板组织协调各个代理行为,通过信息的更新与存储过程提高了信息利用率,这种协作机制既实现了并行计算,又避免了代理之间的不同步造成的信息滞留。算例表明,所述方法在处理配电网故障恢复问题时,恢复策略准确,速度快,具有高效性和实用性。(本文来源于《电力系统自动化》期刊2012年06期）
黑板模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着互联网迅速发展,消费群体热衷于网上购物,为线上顾客带来专业的购物体验成为当前的研究热点之一。现有的服装款式推荐系统通常基于顾客对自身体貌特征的判断推荐服装,由于顾客对自身的体貌特征定位不清晰导致推荐结果的主观性和不准确性。另一方面,基于顾客的喜好取向和购买习惯的推荐方法,并没有考虑顾客的实际体貌特征,且缺乏专业人士的服装推荐意见。随着图像识别技术和深度学习的迅速发展,将其融入电子商务成为服装销售领域的发展趋势。本课题所设计的服装专家推荐系统(Costume Expert Recommendation System,简称CERS)首先通过人机交互获取顾客的照片,应用基于卷积神经网络的支持向量机(简称CNN-SVM)的多分类器模型,提取照片中顾客的体貌特征;其次,CERS将顾客的特定体貌特征信息存入专家系统的事实库中,并把服装专家知识以产生式规则方式存入规则库,进一步对系统推理机所采用的传统串行黑板模型新增动态搜索机制改进,系统基于顾客不同的体貌特征和服装搭配专家经验两方面提供智能化、个性化的服装推荐。支持向量机(Support Vector Machine,简称SVM)分类精度高、泛化能力强,本文选用SVM作为顾客体貌特征分类器。以脸型为例,为提取脸部特征,本文对比分析了监督下降法(Supervised Descent Method,简称SDM)算法和卷积神经网络(Convolutional Neural Networks,简称CNN)算法,实验结果表明,相较于SDM算法,CNN算法无需图像预处理可以直接隐式提取特征,且不易丢失脸型轮廓信息。将SVM和CNN算法结合,所得到CNN-SVM多分类器作为顾客信息自动采集模块的核心技术,自动获取顾客的肤色、脸型、肩型、身型特征,可解决由于目前客户手动输入或选择的文字信息所带来的主观性和不确定性。本文所设计的基于专家系统的CERS模拟服装专家的思维过程,针对顾客的肤色、身型、脸型、肩型的体貌特征按照搭配知识规则正向推理得到服装推荐清单。其知识库采用产生式规则形式保存顾客、服装信息以及搭配知识。推理机采用添加动态搜索机制的黑板结构,在搜索过程中根据规则结论数据重新调整知识源(Knowledge Source,简称KS)的优先级顺序,确保下一级KS在更小范围的数量空间进行搜索,解决专家系统中经典黑板模型的缺点,有效提高规则匹配和搜索的速度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
黑板模型论文参考文献
[1].李宏毅,廉根宽,孙永福.黑板模型信息推理的风力机转子故障诊断研究[J].鄂州大学学报.2019
[2].毛青青.基于支持向量机和黑板模型的服装专家推荐系统[D].东华大学.2018
[3].刘杰,张耀中.基于黑板模型的分布式协同任务决策方法研究[J].火力与指挥控制.2017
[4].刘永爱,鞠炼,王红红.基于分级多层黑板模型的钻井风险管理系统研究[J].西安石油大学学报(社会科学版).2017
[5].侯小军,陈忱,王晓帆.基于事件驱动与分级多层黑板模型的态势评估方法[J].软件工程.2016
[6].王文灿,何庆,贾巧娇,朱德生.基于慧鱼模型的智能化黑板设计[J].江苏理工学院学报.2015
[7].郝广涛,韩学山,梁军,梁正堂.多代理系统和黑板模型结合的全景电网拓扑分析[J].电工技术学报.2014
[8].殷锋社.基于黑板模型的多智能协作学习系统的模型研究[J].电子设计工程.2013
[9].卢志刚,叶治格,杨丽君.基于黑板模型的配电网多故障分时段动态恢复[J].电网技术.2012
[10].杨丽君,刘建超,曹良晶,卢志刚.基于黑板模型的配电网故障恢复多代理协作机制设计[J].电力系统自动化.2012
论文知识图
