APP下载

CBR在主板维修中的应用研究

2011-06-12伍儒彬

武汉工程大学学报 2011年6期
关键词:案例信号

伍儒彬,蔡 琼

(武汉工程大学 计算机科学与工程学院, 湖北 武汉 430074)

0 引 言

1982年,Roger Schark教授在《Dynamic Memory》中提出基于案例推理(Cased-Based Reasoning CBR)技术,并应用该技术开发一个CBR应用系统,该系统是一个简答式的专家系统.它成为尔后许多CBR系统的模型和研究基础.经过三十年的发展,CBR的优点不断挖掘,受到越来越多的学者和企业重视.文献[1]和[2]是将CBR与其它方法进行结合研究;而文献[3]~[5]则是对案例库的本身维护及应用进行研究,总的说来其应用领域有:企业决策,问题求解,系统故障诊断,天气预报等方面.而主板维修是主板制造企业在生产过程和售后服务中的一个必不可少的环节,对不良品的处理是不少此类企业必须解决的问题,因此,将CBR技术与原理应用到主板维修中探讨和研究,以从理论模型上寻求解决问题的可能性.

1 CBR的基本原理

受到人类认识事物过程中的推理记忆启发,CBR被提出.CBR系统可看成对过去类似问题的回忆,与现有的问题作比较,给出解决现有问题的方案,也就是一种应用之前类似的求解策略来解决当前问题.它实质是用领域中现有的经验通过推理来解决问题.一般来说,CBR的原理图如图1所示,它包括两个方面:即经验重用和经验自学习[6].经验的重用是指对实例库中有相同或相似的例子作为参考来解决问题;经验的自学习指的是当案例库中没有满足的实例时,通过适当的修改,修改后的案例可以解决问题,将修改后的案例存入案例库,作为下次使……

登录APP查看全文

猜你喜欢

案例信号
信号
案例4 奔跑吧,少年!
完形填空二则
随机变量分布及统计案例拔高卷
孩子停止长个的信号
发生在你我身边的那些治超案例
基于LabVIEW的力加载信号采集与PID控制
随机变量分布及统计案例拔高卷
一种基于极大似然估计的信号盲抽取算法
一个模拟案例引发的多重思考