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

2020年第21卷第7期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2020年第21卷第7期 doi: 10.1631/FITEE.1900057

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

浙江大学流体动力与机电系统国家重点实验室，中国杭州市，310027

收稿日期： 2019-01-31 录用日期： 2020-07-10 发布日期： 2020-07-10

HTML20 PDF 18 收藏 0

摘要

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。

关键词

产品设计 ; 知识推送系统 ; 增强训练集 ; 多分类神经网络 ; 知识匹配