附件C：譯文

結(jié)合基于實例和基于模型推理的復雜設備診斷

摘要.介紹一種結(jié)合案例推理與基于模型的診斷的新型的方法。這個方法叫做經(jīng)驗計算機輔助診斷（EAD） ，利用設備的型號和診斷的結(jié)果測試來索引和與過去的案例代表診斷情況相匹配?；厥盏陌咐缓笥脕砜朔徽_的應用器件模型所造成的錯誤。這種診斷方法被描述和應用于兩個現(xiàn)實世界的裝置。實驗結(jié)果證明這兩個索引架構(gòu)和匹配算法的有效性。本論文論述了如何將這些結(jié)果可以推廣到多個故障的情況下，推廣到其他類型的器件模型，以及其他應用領域中的人工智能。
關鍵詞：基于模型的診斷，基于案例推理，混合解決問題的方法
1 .導言
本文介紹的方法是基于結(jié)構(gòu)隔離診斷系統(tǒng)的復雜設備利用較傳統(tǒng)的診斷來整合案例推理。這種通用的診斷方法是基于機械裝置的層次分解和傳感器的數(shù)據(jù)，實時采集并且存儲在數(shù)據(jù)庫中，以向?qū)崿F(xiàn)假設診斷的方向指導搜索[文獻 14 ， 17 35 ] 。，在采用基于模型的推理（器）的診斷方法實現(xiàn)兩個現(xiàn)實世界的設備確定的時候會遇到一些困難。這些困難產(chǎn)生的原因是模型設備和人力的專家設計的模式的邊緣缺陷。 這些不完善導致不正確和不完整的模型制作不足診斷性能表現(xiàn) 。在本文中，我們進一步發(fā)展此想法，由于額外的動機即我們的方法和廣泛的實驗結(jié)果支持本文的說明，對[ 14 ， 15 ]和[ 16 ]進行了深入介紹。在本文中的實驗描述還提供了一個示例戰(zhàn)略CBR的評價系統(tǒng)的例子。
基于事例推理（ CBR ）歷來作為一種獨立的解決問題的方法[ 25 ，30 ] ， 有時用于診斷問題（例如，[ 41 ] 。直到最近，CBR的使用與其他解決問題的范例相結(jié)合[ 21 ， 34 ， 39 ] 。我們的辦法是新穎的，它利用MBR過程發(fā)生之后采用CBR，并在該使用的模型和MBR的進程結(jié)果來指出案例。
混合CBR/MBR的方法，經(jīng)驗計算機輔助診斷，本文介紹的企業(yè)批判的結(jié)果，基于模型的辦法，根據(jù)過去的經(jīng)驗，并提供人體操作的手段，探索替代性的解決辦法。一體化的CBR與結(jié)構(gòu)孤立進程允許一個簡單而有效的編制計劃，以及計算便宜性相似性度量的案例。
本文最初評語的替代方法自動診斷和介紹了基于案例的原因，技術及其應用以診斷問題。它列出一些由此產(chǎn)生的問題時，適用于任何MBR的診斷方法對復雜的設備和結(jié)合CBR和MBR激勵混合辦法。這種做法以后再詳細介紹。實驗結(jié)果表明了該方法的有效性。最后的討論概述總結(jié)本研究的貢獻。本文還提出了可能的對“純粹”和混合CBR系統(tǒng)的實驗評估方法。它也描述了以知識為基礎的系統(tǒng)驗證的一個可能的工具。