[发明专利]嵌入领域规则的工业过程优化决策知识推理方法

权利要求书

1.嵌入领域规则的工业过程优化决策知识推理方法，其特征在于，包括：

S1：建立工业过程领域规则知识库规则约束条件：工业过程领域规则知识库其中第i条规则知识可表示为(r_i,λ_i)，所述第i条规则知识对应样本集合的具体事实为定义如下映射关系：

φ_i：

将映射关系φ_i：描述为约束条件的标准形式为，

λ_iΕ_q[φ_i(X,Y)]≤ξ_i

其中λ_i和ξ_i为常数；

S2：建立优化决策知识推理模型：优化决策可转变为如下约束优化问题，

s.t.λ_iΕ_q[φ_i(X,Y)]≤ξ_i,i＝1,...,m

其中C为常数；

S3：求解步骤S2所述约束优化问题得到优化决策知识推理模型；

所述映射关系φ_i:根据不同应用场景定义映射机制φ_i的具体形式；

所述φ_i的具体形式定义为，

其中δ(r_il(X,Y))为指示函数，定义如下

样本集合为(X,Y)，其中X表示工业过程多源数据集合，Y表示相应的标签集合且与多源数据语义知识的决策语义相对应，样本大小为L；

r_i为一阶逻辑规则；

应用后验正则化框架将所述φ_i以约束形式引入到模型的学习过程，优化决策可转变为如下约束优化问题，

s.t.λ_iΕ_q[φ_i(X,Y)]≤ξ_i,i＝1,...,m

其中KL(q(Y|X)||p_θ(Y|X))为f(X,Y)在后验正则化框架下的形式，其中KL(g)为Kullback-Leible散度计算。

2.根据权利要求1所述的嵌入领域规则的工业过程优化决策知识推理方法，其特征在于，将所述工业过程领域规则知识库中的规则进行编码。

3.根据权利要求1所述的嵌入领域规则的工业过程优化决策知识推理方法，其特征在于，所述q(Y|X)的具体形式为神经网络模型。

4.根据权利要求3所述的嵌入领域规则的工业过程优化决策知识推理方法，其特征在于，所述p_θ(Y|X)的具体形式为神经网络模型。

5.根据权利要求4所述的嵌入领域规则的工业过程优化决策知识推理方法，其特征在于，所述q(Y|X)的具体形式为深度信念网络、卷积神经网络或递归神经网络；所述p_θ(Y|X)的具体形式为深度信念网络、卷积神经网络或递归神经网络。

6.根据权利要求1所述的嵌入领域规则的工业过程优化决策知识推理方法，其特征在于，所述求解步骤S2所述约束优化问题是一个凸优化问题，利用对偶形式进行求解，可得到如下解，其中，q^*(Y|X)表示嵌入领域规则知识的优化决策模型；p_θ(Y|X)是后验分布模型。

7.根据权利要求6所述的嵌入领域规则的工业过程优化决策知识推理方法，其特征在于，利用修正的EM算法进行求解公式

求解过程如下：

E:

M: