电力时序数据的分类问题是数据挖掘领域中的一个研究热点。对电力用户模式分类可以帮助电网企业分析用户用电特性,实现差异化营销。在回声状态神经网络(echo state network,ESN)基础上引入过程神经元,提出一种用于电力时序数据分类的新型神经网络——过程回声状态网络(process echo state network,PESN)。该网络通过对连接权重进行函数化,实现函数域到实数域的映射。并针对权函数难以训练学习的问题,提出利用基函数的展开形式来逼近权函数的学习算法,从而将回声状态神经网络从时序预测领域进一步扩展到时序分类领域中。仿真实验结果证明,与传统时间序列分类算法相比,过程回声状态网络在用电模式分类实验中表现出了更好的效果。
Internet 环境下的知识表示与自动推理是广大人工智能及相关领域研究者面临的新课题。为了给自动推理领域提供一个统一的问题(知识)表示格式及为 Web 用户提供自动推理 Web 服务,提出了一个基于多种类逻辑的知识标记语言 MSKML(Many Sorted Knowledge Markup Language 的简写),实现了使用 RLD(Rightmost Linear Deduc-tion)演绎策略的多种类谓词演算的 COM 对象 Prover 来提供自动推理 Web 服务 ProverService。ProverService 采用简单对象访问协议 SOAP(Simple Object Access Protocol)作为服务器与 Web 客户间的网络通信协议,用 Web 服务描述语言 WSDL(Web Service Description Language)对其提供的服务进行了描述。最后,运用 RLD 演绎成功求解了著名的人工智能问题—Steamroller 问题,并以它为例,描述了该问题及 RLD 反驳的 MSKML 表示以及自动推理 Web 服务的调用过程。
