基于Agent技术的人性化E-learning系统研究

设计了以Agent技术为核心的人性化的E-learning系统。以Agent技术和人工心理理论为基础，构建了ISM多层级结构化Learning-Map，在此基础上实现个性化的Learning-Map。在人性化研究方面，运用基于图像处理的人脸检测、表情识别技术实现情感的认知，并构建情感认知模型，通过智能Agent助手对认知的情感进行智能处理。     

模糊认知图在协同式医疗诊断系统中的应用

针对医疗诊断系统的复杂性,提出了基于模糊认知图的协同式医疗诊断系统模型,它可以合成各个医学专家(Agent)的模糊认知图以清晰地表示各个认知单元间的整个因果关系,并通过关联权值综合算法得出新的具有正反两方面意见的认知图,获得最佳诊断方案。仿真结果表明,基于认知图的协同诊断模型是有效的,由于系统集成了多专家多方面的知识,减少了由于信息缺乏而带来的诊断偏差。     

基于OCC的Agent情感模型研究

Agent不仅要具有逻辑推理能力,还应当具有类似人类的情感能力。通过对情感理论的分析,提出了一个基于OCC的Agent情感模型,使Agent能够模拟像人类一样的认知能力和情感能力,从而行为决策更加智能。通过模型在虚拟环境角色中的应用结果,验证了此模型的合理性。     

基于Agent的综合信任评价的情感劝说模型

针对目前Agent模拟人的信任评价研究不够深入的现状,首先根据情绪认知模型（ortony clore&collins,OCC）,将基于Agent的情感细分为5个等级,引入情感度量因子,采用模糊隶属度函数对其算法进行构建;其次,采用灰色关联分析法评价各信任指标,并通过熵权法计算相应权重,构建了综合信任评价算法;综合以上研究,提出了基于Agent的综合信任评价的情感劝说模型,并以北京市碳排放权交易为背景,设计了相应算例,对以上研究进行了验证和分析;最后对结论进行了归纳和梳理,并给出了下一步研究方向。     

基于Agent的社会学仿真研究

基于Agent的建模与仿真方法被应用到社会科学研究领域形成了基于Agent的社会学仿真这一新的交叉研究领域.研究的目标是在计算机上创建一个人工社会来观察个体交互涌现的社会现象.人工社会是一个复杂的多Agent模型.在简单回顾了社会学仿真发展历史之后,对人工社会模型的复杂度进行了探讨,并将多Agent模型与其他社会学仿真模型进行了比较研究.基于Agent的社会学仿真目前还缺少公认的方法学流程,提出了一个人工社会的概念模型,并探索了人工社会模型的构建流程.最后对基于Agent的社会学仿真方法的适用范围进行了讨论.     

生态化MAS的认知模型

生态化MAS是由异构的Agent所组成的一种具有协同进化的多Agent系统。提出了生态化MAS的理念和认知模型,它是形成Agent知识和信念的基本框架;设计了一个模型检验的程序结构,并通过典型应用表明,该模型能够使Agent对环境的认知达到三个层次——概念图、模糊词计算和关联性框架。该模型能够为基于Agent的问题求解提供依据。     

一种关于Agent的模糊认知逻辑

由于经典逻辑不能表示模糊事实,而且Agent也不能利用经典逻辑的方法从模糊事实里获取知识,为了克服经典逻辑方面的不足,提出了一种关于Agent的模糊认知逻辑.首先,介绍了模糊认知逻辑和规则,该方法用数字来表示模糊事实,用模糊逻辑来获取知识.其次,引入了一种反向推理逻辑,利用该方法研究了条件和结论的相关性.最后,主要介绍Agent采用模糊认知逻辑获取知识的过程.     

基于Q学习算法的情感交互可计算模型研究

情感本身不能交互,但可以通过它的载体(如人或Agent)进行交互。利用该特点,提出一种基于Q学习算法的情感交互可计算模型。定义情感元的概念,情感元之间的交互实际上是情感Agent之间的交互,采用Q学习算法得到情感元的交互结果,构建齐次Markov链的情感元之间的交互模型,并通过实验结果验证了情感的多变性与复杂性。     

认知图理论的应用研究

认知图又称心象图,是近年来研究的热点。它是一种定性推理技术,也可以看作是一种计算智能,能有效地解决基于先验知识的自适应行为。文中对认知图理论作了系统的归纳总结,主要包括古典认知图和模糊认知图两方面,模糊认知图是认知图的延伸与扩展。文中通过对模糊认知图扩展模型的描述以及扩展模型之间优缺点的比较,得出了模糊认知图扩展模型的实用性和优越性。     

情感理论及基于情感的决策理论与模型研究

情感能力是人类智能的重要标志，与人类认知相互依赖和影响。因此，研究情感理论，模拟人类情感，对增强豫统智能具有重要意义。本文根据情感激发、产生的内在机理，提出情感的三级层次；为影响和激发情感的内部状态建立模型；基于情感的模糊性，运用模糊逻辑定义了情感的强度，并提出情感状态描述；通过分析情感在决策过程中的作用，结合MAS理论与决策系统的研究成果，提出了具有情感能力的个体Agent模型和具有情感功能的MAS决策模型。     

基于知网的虚拟人情感建模研究

虚拟人及其和谐交互技术是当前信息科学和生命科学研究的热点。情感信息处理是人工智能和认知科学研究一直关注的问题。本文将研究基于知网的虚拟人情感模型,该模型由冷静、愤怒、快乐、悲伤、放松和恐惧六个维度组成六维空间。通过实例模拟表明,此模型可以很好地对人类的情感进行仿真。     

Dynamical cognitive network - an extension of fuzzy cognitive map

We present the dynamic cognitive network (DCN) which is an extension of the fuzzy cognitive map (FCM). Each concept in the DCNs can have its own value set, depending on how precisely it needs to be described in the network. This enables the DCN to describe the strength of causes and the degree of effects that are crucial to conducting meaningful inferences. The arcs in the DCN define dynamic, causal relationships between concepts. Structurally, DNCs are scalable and more flexible as compared to FCMs. A DCN can be as simple as a cognitive map and FCM, or as complex as a nonlinear dynamic system. To demonstrate the potential applications of DCNs, we present some simulation results. This paper represents our first attempt to develop a dynamic fuzzy inference system using causal relationships. There are many interesting and challenging theoretical and practical issues in DCNs open to further research     

基于Flou集的模糊叠置分析模型

利用Flou集描述模糊区域,基于Flou集给出了一种栅格图层的模糊叠置分析模型。该模型可以实现普通模糊叠置和加权模糊叠置,而采用Flou集,可以有效地避免用模糊集表示模糊区域,处理模糊对象内部元素之间及模糊对象与其他空间对象之间关系时遇到的困难,而且符合人们用分明区域的方式描述不确定区域的认知习惯。实例表明,该模型能够较好地解决Flou集表示的图层间的模糊叠置分析问题。     

Distributed Computation Multi-agent System

This article addresses a formal model of a distributed computation multi-agent system. This model has evolved from the experimental research on using multi-agent systems as a ground for developing fuzzy cognitive maps. The main paper contribution is a distributed computation multi-agent system definition and mathematical formalization based on automata theory. This mathematical formalization is tested by developing distributed computation multi-agent systems for fuzzy cognitive maps and artificial neural networks – two typical distributed computation systems. Fuzzy cognitive maps are distributed computation systems used for qualitative modeling and behavior simulation, while artificial neural networks are used for modeling and simulating complex systems by creating a non-linear statistical data model. An artificial neural network encapsulates in its structure data patterns that are hidden in the data used to create the network. Both of these systems are well suited for formal model testing. We have used evolutionary incremental development as an agent design method which has shown to be a good approach to develop multi-agent systems according to the formal model of a distributed computation multi-agent system.     

Inferring causal networks using fuzzy cognitive maps and evolutionary algorithms with application to gene regulatory network reconstruction

Fuzzy cognitive maps have been widely used as abstract models for complex networks. Traditional ways to construct fuzzy cognitive maps rely on domain knowledge. In this paper, we propose to use fuzzy cognitive map learning algorithms to discover domain knowledge in the form of causal networks from data. More specifically, we propose to infer gene regulatory networks from gene expression data. Furthermore, a new efficient fuzzy cognitive map learning algorithm based on a decomposed genetic algorithm is developed to learn large scale networks. In the proposed algorithm, the simulation error is used as the objective function, while the model error is expected to be minimized. Experiments are performed to explore the feasibility of this approach. The high accuracy of the generated models and the approximate correlation between simulation errors and model errors suggest that it is possible to discover causal networks using fuzzy cognitive map learning. We also compared the proposed algorithm with ant colony optimization, differential evolution, and particle swarm optimization in a decomposed framework. Comparison results reveal the advantage of the decomposed genetic algorithm on datasets with small data volumes, large network scales, or the presence of noise.     

基于模糊认知图的智能配电网WSNs实时性与可靠性优化研究

为了降低智能配电网事故,提高智能配电网无线传感器网络（WSNs）数据通信的可靠性与实时性,探索了一种基于模糊认知图的智能配电网WSNs数据通信建模与控制的方法。首先,定性分析影响智能配电网WSNs数据传输的性能指标的主要因素,构建模糊认知图模型,根据网络环境的变化利用数学方法表达网络节点各概念顶点之间的因果关系;然后,再利用模糊认知图的方法进行推理,获得动态决策路由路径和调整网络参数的控制变量值;最后,对本文方法进行仿真实验,对数据传输性能进行了测试分析。实验结果表明所提出的方法可为智能配电网WSNs数据传输提供良好的QoS（服务质量）。     

一种栅格图层的模糊叠置分析模型

为了更好地进行GIS空间分析，根据GIS应用领域中属性数据的区间值特征，首先利用区间值模糊集来描述模糊属性数据的模糊图层，然后基于区间值模糊集给出了一种栅格图层的模糊叠置分析模型，并改进了基于经典模糊集的模糊叠置分析方法。该模型利用区间值模糊集的基本运算，可以实现普通模糊叠置和加权模糊叠置，而采用区间值，则可以减少属性值模糊性的丢失，且叠置结果符合人们的认知和推理规律，实例结果表明，该模型能够较好地解决区间值属性图层间的模糊叠置分析问题。     

维度语音情感识别研究综述

情感识别是多学科交叉的研究方向,涉及认知科学、心理学、信号处理、模式识别、人工智能等领域的研究热点,目的是使机器理解人类情感状态,进而实现自然人机交互.本文首先从心理学及认知学角度介绍了语音情感认知研究进展,详细介绍了情感的认知理论、维度理论、脑机制以及基于情感理论的计算模型,旨在为语音情感识别提供科学的情感理论模型.然后,从人工智能角度系统地总结了目前维度情感识别的研究现状和发展,包括语音维度情感数据库、特征提取、识别算法等技术要点.最后,分析了维度情感识别技术目前面临的挑战以及可能的解决思路,对未来研究方向进行了展望.     

Fuzzy cognitive map based on structural equation modeling for the design of controls in business-to-consumer e-commerce web-based systems

Security and integrity of business-to-consumer e-commerce web-based systems (ECWS) is becoming a concern among ECWS adopters. The controls for ECWS are classified into controls for system continuity, access controls, communication controls, and informal controls. The control design for ECWS is not well structured and demands understanding of the complex causal relationships among environmental factors (infrastructure, organizational requirements for security), controls, implementation, and performance. In order to aid the design of ECWS controls, the application of a fuzzy cognitive map, ECFCM (EC-control design using a fuzzy cognitive map), was developed. Structural equation modeling was used to identify relevant relationships among the components and indicate their direction and strength. A standardized causal coefficient from structural equation modeling was then used to create a fuzzy cognitive map, through which the state or movement of one control component was shown to have an influence on the state or movement of others. Thus ECFCM provides a practical insight to IS auditors by addressing the applicability of soft approaches in capturing and illustrating the use of FCM in the design of ECWS controls.