-
题名数字孪生多模态视觉推理的神经-符号系统
被引量：1
- 1
-
-
作者
郑杭彬
刘天元
郑汉垚
左戴悦
鲍劲松
王森
-
机构
东华大学机械工程学院
上海宝信软件股份有限公司
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2024年第5期1571-1586,共16页
-
文摘
面对数字孪生在多模态视觉数据融合中的异质性和动态性挑战,提出一种结合深度学习与符号智能的方法。该方法通过深度神经网络对视觉数据进行实时解析,并借助符号系统存储的知识和事件响应规则,实现对复杂推理过程的自主管理。为提高系统对物理世界变化的适应性,提出一种融合多模态信息和外部知识的增强推理机制,该机制能有效地整合来自传感器的实时数据和历史知识库中的信息,以支持更加准确和合理的决策制定。以退役锂电池拆解过程为案例验证表明,该方法不仅能够在多模态数据环境中实现高准确率的识别和分析,还能够基于推理机制生成合理且逻辑一致的操作建议,有效提升了拆解效率和安全性。
-
关键词
数字孪生
多模态
视觉推理
神经符号系统
锂电池拆解
-
Keywords
digital twin
multi-modal
visual reasoning
neural-symbolic system
lithium battery disassembly
-
分类号
TP391.7
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名新一代知识图谱关键技术综述
被引量：76
- 2
-
-
作者
王萌
王昊奋
李博涵
赵翔
王鑫
-
机构
东南大学计算机科学与工程学院
同济大学创意设计学院
南京航空航天大学计算机学院
国防科技大学信息系统工程国家重点实验室
天津大学智能与计算学部
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2022年第9期1947-1965,共19页
-
基金
国家重点研发计划项目(2019YFE0198600)
国家自然科学基金项目(61906037,62176185,62072099,61872446,61972275)
中央高校基本科研业务费专项资金(22120210109)。
-
文摘
近年来,国内外在新一代知识图谱的关键技术和理论方面取得了一定进展,以知识图谱为载体的典型应用也逐渐走进各个行业领域,包括智能问答、推荐系统、个人助手等.然而,在大数据环境和新基建背景下,数据对象和交互方式的日益丰富和变化,对新一代知识图谱在基础理论、体系架构、关键技术等方面提出新的需求,带来新的挑战.将综述国内外新一代知识图谱的关键技术研究发展现状,重点从非结构化多模态数据组织与理解、大规模动态图谱表示学习与预训练模型、神经符号结合的知识更新与推理3方面对国内外研究的最新进展进行归纳、比较和分析.最后,就未来的技术挑战和研究方向进行展望.
-
关键词
知识图谱
多模态数据
表示学习
预训练模型
认知智能
神经符号系统
-
Keywords
knowledge graph
multi-modal data
representation learning
pre-training models
cognitive intelligence
neural-symbolic systems
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
