1) production rule system
产生式规则系统
1.
In this system, production rule system is used in query’s optimization and agent’s production for the first time in WSNs.
系统将产生式规则系统应用到传感器网路的查询优化和agent生成中,通过规则匹配的方式优化查询路由,精简传输代码。
2) production rules expert systems
产生式规则专家系统
3) production rules
产生式规则
1.
Representation of Production Rules Based on Fuzzy Set & Neural network;
基于模糊神经网络的产生式规则表示方法
2.
0,a visual knowledge base of open - pit mine reclamation suit ability evaluation expert system has been designed based on the production rules.
0实现了基于以产生式规则作为知识表达方式的大型露天煤矿土地复垦专家系统的知识库可视化设计。
3.
The intelligent controller is designed by production rules.
分析了仿人智能控制（ＳＨＩＣ）的基本原理，研究了纸浆中浓控制系统的特点，采用产生式规则设计了实用的智能控制器，应用实例证明了用本文方法设计控制器的可行性。
4) production rule
产生式规则
1.
Research on the acquisition method of neural network production rule based on knowledge;
基于知识的神经网络产生式规则的获取方法研究
2.
Production Rule Development Based on Fuzzy Logic;
基于模糊逻辑的产生式规则拓展
3.
Study of an Expert System Based on Production Rules for Information Security Risk Assessment;
基于产生式规则的信息安全风险评估专家系统研究
5) fuzzy production rules
模糊产生式规则
1.
A Research on Learning Weights of Fuzzy Production Rules Based on Maximum Fuzzy Entropy;
基于极大模糊熵原理的模糊产生式规则权重获取方法研究
2.
Grabisch to the reasoning of fuzzy production rules.
模糊产生式规则作为模糊推理中一种重要的工具，被广泛地应用在专家系统中，以描述模糊的或者不确定性的概念。
3.
When fuzzy production rules are used to approxim.
所以基于模糊产生式规则的推理研究成为人工智能中的研究热点。
6) Fuzzy production rule
模糊产生式规则
1.
Obtains a new fuzzy data fusion method by applying fuzzy production rules to multisensor fusion system, then models the data fusion system by Petri net.
将模糊产生式规则应用到多传感器融合系统中得到一种模糊信息融合方法，再用Petri网对此信息融合系统建模。
2.
A approximate reasoning scheme based on fuzzy set-valued fuzzy sets is proposed, where fuzzy production rules are used for knowledge representation in ARSFSISO, and the fuzzy states appearing in the fuzzy production rules are represented by fuzzy set-valued fuzzy sets.
通过在单输入单输出（ＳＩＳＯ）的近似推理方案（ＡＲＳ）中，用模糊产生式规则表示知 识、以模糊集值模糊集刻划模糊产生式规则中出现的模糊状态，提出了一个基于模糊集值 模糊集的近似推理框架；从而使单输入单输出的近似推理方案（ＡＲＳＦＳＩＳＯ）的推理能力 得以增
3.
When fuzzy production rules are used in approximate reasoning,there are interaction influences on rules that have the same consequent but different antecedent.
当模糊产生式规则应用在近似推理过程中时,前件相同而后件不同的模糊规则之间往往存在交互影响。
补充资料：产生式系统
构造知识型系统和建立认知模型时常用的知识表示的形式系统。1943年E.波斯特首先将他提出的一种计算形式体系命名为产生式系统。50年代末期，A.纽厄尔和H.A.西蒙在研究人类问题求解的认知模型时也使用了产生式系统这一术语。产生式系统现代已成为研制人工智能系统时采用的最典型的体系结构之一。
产生式规则 简称产生式。它是指形如α─→β或IFαTHENβ或其等价形式的一条规则,其中α称为产生式的左部或前件;β称为产生式的右部或后件。①如果α、β分别代表需要注视的一组条件及其成立时需要采取的行动，那么称为条件-行动型产生式;②如果α、β分别代表前提及其相应的结论,那么称为前提-结论型产生式。人工智能中的推理很多是建立在直观经验基础上的不精确推理，而产生式在表示和运用不精确知识方面具有灵活性，因此许多专家系统采用产生式系统为体系结构。
产生式系统的组成 根据认知心理学对人处理信息的模型研究,产生式系统由产生式集合、全局数据库（环境数据结构）和控制程序（解释程序）三个基本部分组成。①产生式集合：模拟人脑的长期记忆(LTM),存放相对稳定的长期知识，构成知识库。②全局数据库：或称环境数据结构，模拟人脑的短期记忆(STM),用来存放表示有关工作环境的动态数据条款。③控制程序：或称解释程序，对产生式的选用和整个系统的工作进行控制的子系统。
产生式系统的工作方式 产生式是系统的单元程序，它与常规程序不同之处在于，产生式是否执行并不在事前硬性规定，各产生式之间也不能相互直接调用，而完全决定于该产生式的作用条件能否满足，即能否与全局数据库的数据条款匹配。因此在人工智能中常将产生式称为一种守护神(demon),即"伺机而动"之意。另一方面，产生式在执行之后工作环境即发生变化，因而必须对全局数据库的条款作相应修改，以反映新的环境条件。全部工作是在控制程序作用下进行的。现代产生式系统的一个工作循环通常包含匹配、选优、行动三个阶段。匹配通过的产生式组成一个竞争集，必须根据选优策略在其中选用一条,当选的产生式除了执行规定动作外,还要修改全局数据库的有关条款。因此现代产生式系统的控制程序常按功能划分为若干程序。
产生式系统的推理方向 产生式系统的推理分为正向推理和逆向推理。正向推理指的是从现有条件出发，自底向上地进行推理（条件的综合），直到预期目标实现。逆向推理则从预期目标出发，自顶向下地进行推理（目标的分析），直到符合当前的条件。运用逆向推理时，后件而不是前件引导产生式的搜索工作，因此按推理方向可将产生式系统分为前件驱动和后件驱动两种类型。条件－行动型产生式系统采用前件驱动的工作方式。
产生式系统的优缺点 产生式系统的优点是：①模块性,每一产生式可以相对独立地增加、删除和修改;②均匀性，每一产生式表示整体知识的一个片段，易于为用户或系统的其他部分理解；③自然性，能自然地表示直观知识。它的缺点是执行效率低，此外每一条产生式都是一个独立的程序单元，一般相互之间不能直接调用也不彼此包含，控制不便，因而不宜用来求解理论性强的问题。
参考书目
D.A.Waterman and F.Hayes-Roth, Pattern-Directed Inference Systems, Academic Press, New York,1978.
E.Elock and D.Michie ed., Machine Intelligence, Vol.8, Ellis Horwood, Chichester, England, 1977.
产生式规则 简称产生式。它是指形如α─→β或IFαTHENβ或其等价形式的一条规则,其中α称为产生式的左部或前件;β称为产生式的右部或后件。①如果α、β分别代表需要注视的一组条件及其成立时需要采取的行动，那么称为条件-行动型产生式;②如果α、β分别代表前提及其相应的结论,那么称为前提-结论型产生式。人工智能中的推理很多是建立在直观经验基础上的不精确推理，而产生式在表示和运用不精确知识方面具有灵活性，因此许多专家系统采用产生式系统为体系结构。
产生式系统的组成 根据认知心理学对人处理信息的模型研究,产生式系统由产生式集合、全局数据库（环境数据结构）和控制程序（解释程序）三个基本部分组成。①产生式集合：模拟人脑的长期记忆(LTM),存放相对稳定的长期知识，构成知识库。②全局数据库：或称环境数据结构，模拟人脑的短期记忆(STM),用来存放表示有关工作环境的动态数据条款。③控制程序：或称解释程序，对产生式的选用和整个系统的工作进行控制的子系统。
产生式系统的工作方式 产生式是系统的单元程序，它与常规程序不同之处在于，产生式是否执行并不在事前硬性规定，各产生式之间也不能相互直接调用，而完全决定于该产生式的作用条件能否满足，即能否与全局数据库的数据条款匹配。因此在人工智能中常将产生式称为一种守护神(demon),即"伺机而动"之意。另一方面，产生式在执行之后工作环境即发生变化，因而必须对全局数据库的条款作相应修改，以反映新的环境条件。全部工作是在控制程序作用下进行的。现代产生式系统的一个工作循环通常包含匹配、选优、行动三个阶段。匹配通过的产生式组成一个竞争集，必须根据选优策略在其中选用一条,当选的产生式除了执行规定动作外,还要修改全局数据库的有关条款。因此现代产生式系统的控制程序常按功能划分为若干程序。
产生式系统的推理方向 产生式系统的推理分为正向推理和逆向推理。正向推理指的是从现有条件出发，自底向上地进行推理（条件的综合），直到预期目标实现。逆向推理则从预期目标出发，自顶向下地进行推理（目标的分析），直到符合当前的条件。运用逆向推理时，后件而不是前件引导产生式的搜索工作，因此按推理方向可将产生式系统分为前件驱动和后件驱动两种类型。条件－行动型产生式系统采用前件驱动的工作方式。
产生式系统的优缺点 产生式系统的优点是：①模块性,每一产生式可以相对独立地增加、删除和修改;②均匀性，每一产生式表示整体知识的一个片段，易于为用户或系统的其他部分理解；③自然性，能自然地表示直观知识。它的缺点是执行效率低，此外每一条产生式都是一个独立的程序单元，一般相互之间不能直接调用也不彼此包含，控制不便，因而不宜用来求解理论性强的问题。
参考书目
D.A.Waterman and F.Hayes-Roth, Pattern-Directed Inference Systems, Academic Press, New York,1978.
E.Elock and D.Michie ed., Machine Intelligence, Vol.8, Ellis Horwood, Chichester, England, 1977.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条