知识推送系统中一种基于多分类径向基神经网络的知识匹配方法（英文）

发布时间：2022-07-11 19:59

　　聚焦知识匹配领域,开展提高产品设计中知识推送系统性能的探索性研究。传统匹配算法需重复计算,导致响应时间长,准确性也有待提高。本文目标是实现对设计者知识需求的快速响应,并提供优质知识推送服务。在改进之前工作基础上,研究实际操作中增强有限训练集的两种方法:案例特征向量中振荡特征权值和修正案例特征。此外,提出一种多分类径向基神经网络,可从知识库中一次性匹配知识并保证推送结果准确性。使用数控机床中导轨设计的训练集训练和测试该方法,实验结果表明增强训练集有效,本文提出的方法优于其他匹配方法。 

【文章页数】：15 页

【文章目录】：
1 Introduction
2 Related works
    2.1 Knowledge push
    2.2 Knowledge matching
    2.3 Artificial neural networks
3 Technical approach
    3.1 Augmented training set
        3.1.1 Oscillation of the feature weight s
        3.1.2 Revision of the case feature key
    3.2 Multi-classification radial basis function neural network
4 Experiments
    4.1 Data
    4.2 Methods
    4.3 Evaluation metrics
    4.4 Results and discussion
5 Conclusions
Contributors
Compliance with ethics guidelines



本文编号：3658785