Родовые задачи: Рассчитай свое Родовое Число и узнай, какую задачу Рода должен выполнить Ты

Рассчитай свое Родовое Число и узнай, какую задачу Рода должен выполнить Ты

Род – это наша защита, поддержка, опора. Это наши корни! И наша жизнь во многом зависит от того, насколько эти самые корни здоровые и сильные. Если они прогнившие, то и плоды будут соответствующими.

Род — это наши корни. Фото из открытых источников

Я уже не раз писала о том, что проблемы Рода, его неудачи, ошибки и грехи отрабатывают потомки, то есть мы, хотим мы этого или нет. И ту ниточку, которая навсегда связывает нас с нашими предками, увы, никак не разорвать. Хотя существуют специальные обряды на отсечение Рода, но делать их я никому не советую, лишь очень в крайних случаях.

Вот сегодня я и хочу поделиться с Вами простым нумерологическим способом по выявлению основных задач, которые оставил нам наш Род. У каждого человека эта задача будет своя, которой соответствует определенная цифра. И сейчас я расскажу, как эту цифру рассчитать.

ПЕРВЫЙ ШАГ

Итак, сначала Вам необходимо сложить все цифры своей даты рождения.

Например, 21.5.1987

2+1+5+1+9+8+7=33

ВТОРОЙ ШАГ

Затем из первого числа (33) вычитайте первую цифру Вашего дня рождения (2), умноженную на 2.

33-2*2=29

ТРЕТИЙ ШАГ

В получившемся числе сложите цифры между собой.

2+9=11

В данном примере родовое число будет 11. У Вас получится свое число. Считайте так, как показано в примере.

Внимание! Получившиеся числа 10, 11, 12 не сокращаем до единичного, оставляем как есть.

Рассчитайте свое родовое число, чтобы узнать, какую задачу оставил Вам Ваш Род для проработки. Фото из открытых источников

Итак, если Вы уже рассчитали свое число, то смотрите ниже, с чем не смогли справиться предки Вашего Рода и постарайтесь исправить их ошибки для того, чтобы и Вам жилось лучше и чтобы Ваши потомки не маялись, а прожили светлую и счастливую жизнь.

1, 10 – говорит о том, что в Вашем Роду был лидер, но не смог себя проявить. Ваша задача – выявить в себе лидерские задатки и качества, проявить их и стать настоящим лидером, который сможет вести за собой, являясь хорошим примером для многих.

2, 11 – в Вашем Роду среди родственников преобладала неуверенность в себе, в своих силах, неумение выстраивать партнерские отношения. В Роду был духовный лидер, но не смог себя проявить, вместо развития выбрал путь разрушения. Ваша задача в этой жизни – наработать уверенность, построить гармоничные отношения и стать примером духовного развития для своих потомков.

3, 12 – у Вас в Роду была креативная харизматичная личность, которая передала Вам эти задатки. Грех, если Вы не воспользуетесь этим подарком. Ваша задача – раскрыть в себе свою оригинальность, особенность, использую творческий и нестандартный подход.

4 – В Вашем Роду был человек физически выносливый, но он ставил материальные ценности выше духовных. Возможно, поэтому Вам может не везти с деньгами, и финансовая сторона жизни зачастую провисает. Ваша задача – идти духовным путем, не сосредотачиваясь на материальном, тогда деньги найдут дорогу к Вам сами.

5 – в Вашем Роду был бунтарь, не терпящий ограничений. Кроме того, проявлялась неумеренность в еде, алкоголе, азартных играх. Ваша задача – избавиться от всех дурных пристрастий и познать внутреннюю свободу, утихомирить свой хаос в душе.

6 – в Вашем Роду были предки, которые в приоритет ставили деньги, а не отношения. Поэтому у Вас может не складываться личная жизнь, партнеры могут предавать Вас или даже бросать. Ваша задача – привить ценность отношений, при этом не цепляясь за материальные вещи.

Постарайтесь выполнить задачи Рода по максимуму, чтобы стать счастливым. Фото из открытых источников

7 – в Вашем Роду были философы, которые остались непонятыми. Отсюда могла возникнуть нелюбовь к себе, самобичевание и замкнутость. Ваша задача – раскрыть свою гениальность и передать ее людям. И неважно, в чем она будет проявляться. Вы можете быть талантливым ученым, гениальным политиком или прекрасным художником…

8 – самое денежное число. В Роду несомненно были зажиточные предки, однако они переступили закон так или иначе. Ваша задача – научиться быть честным, справедливым и жить по совести. Тогда все блага Мира будут у Ваших ног.

9 – в Вашем Роду был очень мудрый человек, но эту мудрость он раскрыть, увы, не смог. Вам придется исправлять ошибку предка. Поэтому главная задача для Вас – это смотреть вглубь себя, изучать мир, извлекать уроки и впоследствии передать свою мудрость потомкам.

Например, у меня было 100%-ое попадание. И я уже точно знаю, над чем мне необходимо работать, чтобы исправить ошибки предков. А что получилось у Вас?

Источник:
Рассчитай свое Родовое Число и узнай, какую задачу Рода должен выполнить Ты

Как по дате рождения узнать кармические задачи и продлить жизнь

«Видимо, это моя карма», «В моей семье всегда так было», «На моем роду крест» — выражения, которые мы нередко слышим от людей вокруг. Считается, что ошибки прошлого способны повлиять на будущее: принести неудачи, болезни, даже ранюю смерть. Вычислить свою кармическую задачу и все исправить может каждый, уверены нумерологи. Для этого нужно знать свою дату рождения — восемь простых чисел дадут ответ.

Что такое кармическая задача

В самом общем смысле это некий заданный человеку путь. Кармическая задача напрямую связана с понятием кармы. Трансперсональные психологи считают, что человеческая жизнь циклична: после смерти он перерождается, воплощается в новых образах, сохраняя душу.

Повлиять на свою кармическую задачу можно с помощью внутренней работы над собой: развитие определенных качеств и осознанности, приобретение знаний и избавление от дурных привычек.

Как вычислить свои кармические задачи

Расшифровать кармический код можно следующим образом. Записываем в строку дату своего рождения. Например, 1990 год рождения, 10-й месяц, 26 число. Цифра шесть и будет кармическим числом рожденного в этот день.

Девятка — проработка идет по первой чакре. Человек встретит на своем пути множество препятствий, но ему нельзя опускать нос — трудности надо встречать с высоко поднятой головой. Дисциплина, забота о ближних и ответственность — вот качества, которые стоит развивать. Таким людям подойдут следующие сферы: спорт, боевые искусства, танцы, формы физического труда, а также хирургия.

Восьмерка — в ход идет вторая чакра. Семья, родные, дети сделают вас счастливым. В заботе о них вы обретете свое счастье и свое «я». Учитесь мудрости, чуткости и терпению. Для вас подойдут работы в социальной сфере: педагогика, медперсонал, воспитатели и т. д. Можно также выбрать сферы, близкие к природе, например, наука.

Семерка — проработка этой задачи связана с развитием и открытием третьей чакры. Эти люди привыкли витать в облаках, искать творческий подход ко всему. Но Вселенная зовет вас спуститься на землю. Важны логический анализ и рефлексия, иначе вы не сможете добиться желаемого. Профессию следует выбирать в производственной или сельскохозяйственной деятельностях, а еще в торговле.

Шестерка — речь пойдет о четвертой чакре. Для вас все пути открыты. Вселенная предлагает открыться для людей и мира. Вам присущи такие качества, как милосердие, сострадание, любовь к природе. В то же время вы можете в нужный момент взять все в свои руки и настроить на работу целые коллективы. Медицина (терапия, неврология), педагогика, работа с подростками, а также бизнес — вот сферы, в которых у вас все получится.

Пятерка — в данном случае проработка идет по пятой горловой чакре. Талант этих людей раскроется в более позднем возрасте, но это не повод унывать. Ищите свою счастье в гармонии семейных отношений. Вас нередко будет приводить в бешенство поведение близких. Вам стоит научиться искать золотую середину и улаживать конфликты. Профессии для вас — адвокатура, работа в школе или вузе, подойдет и артистическая деятельность.

Четверка — шестая чакра. Вы сможете видеть больше, чем все остальные. Шестое чувство будет обострено до предела, возможно, раскроется дар ясновидения. Жить с этим будет непросто, но это и будет ваш вызов — придется учиться обычной жизни в окружении обычных людей. Очень неплохо трудиться в общественных организациях, волонтерских движениях, приветствуется работа, связанная с созданием творческих коллективов.

Тройка — речь пойдет о проработке самой высшей коронной чакры. Материальный мир будет не так близок для вас. Свое предназначение вы найдете в сфере духовной. Вы почувствуете необходимость в Божественных законах, а познать и принять их можно лишь на уровне Души. Остановить свой выбор стоит на научной деятельности: физика, астрономия, математика.

Далее речь пойдет об особенных числах.

Ноль — на вас пал луч Воли и Могущества. Жертвовать собой ради других, со смирением принимать удары судьбы, верить в высшие силы — вот ваше предназначение. Ради любимых вам придется идти на многое.

Единица — активируется луч Любви и Мудрости. Вселенная преподаст вам ни один урок, будьте к этому готовы. Только стойкость характера поможет не пасть духом. Только поняв, что источник силы в вашем сердце, вы сможете обрести счастье.

Двойка — помощь идет по лучу Познания. Желание знать больше и непрерывно пополнять свой багаж будет двигать вами. Вы сможете делать важнейшие открытия, нести свет знаний другим. Нумерологи предупреждают: умейте вовремя остановиться и прислушаться к любимым и близким, возможно, ваш ответ кроется в них.

Ранее 5-tv.ru рассказывал, как рассчитать дату замужества по имени и дате рождения.

ОБЩИЕ ЗАДАЧИ

ОБЩИЕ ЗАДАЧИ

Введение

Потребность в GT возникает из-за того, что уровень абстракции большей части работы в KBS (например, правила, фреймы, логика) слишком низок, чтобы обеспечить богатый словарь для знаний и контроля. Кроме того, они не делают различий между различными типами рассуждений, основанных на знаниях. Например, задача проектирования автомобиля потребует значительно иной стратегии рассуждений, чем диагностика неисправности автомобиля. Традиционные подходы применяют одну и ту же стратегию для двух задач. Таким образом, эти стратегии являются низкоуровневыми по отношению к моделированию необходимого поведения на уровне задачи.
Общие задачи (GT) являются одним из примеров методологии KBS более высокого уровня. Подход общих задач предполагает, что системы знаний должны быть построены из строительных блоков, каждый из которых подходит для базового типа решения проблем.

Это основано на предположении, что проблема может возникать в ряде областей, и которые демонстрируют сходство методов, не зависящих от предметной области. Таким образом, для решения задачи инженеру по знаниям достаточно выбрать ГТ, который лучше всего подходит для выполнения той или иной функции, либо может использовать разные ГТ для выполнения одной и той же функции. или может использовать их комбинацию. Таким образом, GT облегчает приобретение знаний, потому что, как только КЭ выбирает GT, который он будет использовать, его ориентация при сборе знаний будет близка к ориентации GT (GT предлагает методологию, которая помогает в анализе, разработке и построении практического знания). система). Некоторые GT уже определены и разработаны, такие как иерархическая классификация (HC), сопоставление структур (сопоставление гипотез), рутинное проектирование (RD), передача информации, направленная на получение знаний (IDB), и сборка абдуктивной гипотезы.

Спецификации общих задач

Каждая родовая задача использует характерные для нее формы знаний и стратегии управления, которые в целом концептуально ближе к предметным знаниям. Каждая типовая задача характеризуется информацией о следующем:

• Вид информации, которую он получает в качестве входных данных для задачи, и информации, полученной в результате выполнения задачи.
• Метод, используемый для представления и организации знаний в рамках общей задачи. В частности, спецификация типов понятий, задействованных в общей задаче. Кроме того, спецификация того, как знания будут организованы с точки зрения понятий.
• Процесс (алгоритм, решение проблем, контроль, стратегия), который использует задача. Другими словами, спецификация стратегии вывода, которая может быть применена к знанию для выполнения функции общей задачи.

Общие примеры задач

Иерархическая классификация:
Входные данные: дано описание ситуации с точки зрения признаков.
Вывод: классифицируйте его как можно точнее в иерархии классификации.
Пример использования: Медицинский диагноз часто можно рассматривать частично как проблему классификации.

GT Гипотеза соответствует
Входные данные: Дана концепция (гипотеза) и набор данных (признаков), описывающих состояние проблемы.
Выход: Решите, насколько хорошо концепция соответствует ситуации. Задача является формой признания.
Вывод и контроль: на каждом уровне степень уверенности в наличии признака вычисляется из признаков, которые представляют собой свидетельство для него, и это выполняется рекурсивно до тех пор, пока не будет вычислена степень уверенности в концепции. Основная теория состоит в том, что распознавание сложного понятия выполняется путем иерархического вычисления промежуточных абстракций из необработанных данных.
Пример использования: С помощью этой стратегии можно выполнить распознавание. например, концепция может быть болезнью, а данные могут быть данными пациента, относящимися к болезни, и мы хотим знать, какова вероятность болезни.

GT Знание направлено на передачу информации
Входные данные: заданные атрибуты некоторых объектов данных.
Выходные данные: Определите атрибуты других интересующих данных, которые не известны напрямую, но могут быть выведены из доступных данных.
Пример использования: диагностическая система может использовать ориентированную на знания базу данных этого типа для преобразования значений датчиков или диаграмм в данные, имеющие непосредственное отношение к диагностике.

GT Синтез путем выбора и уточнения плана
Функция: Проектирование объекта путем иерархического планирования.
Входные данные: Дана спецификация объекта, который необходимо спроектировать.
Выход: Сгенерировать дизайн объекта, удовлетворяющий спецификации.
Пример системы: задача, выполняемая R1

GT Сборка абдуктивной гипотезы
Входные данные: дано описание ситуации и набор гипотез, каждая из которых объясняет некоторые аспекты ситуации и каждая имеет некоторое значение правдоподобия.
Результат: Постройте сложную гипотезу, которая лучше всего объясняет ситуацию.
Вывод и контроль: собрание и критика чередуются. На каждом этапе сборки решение проблемы обусловлено попыткой объяснить наиболее важные данные, оставшиеся необъясненными.
Пример использования: Эта задача является диагностической подзадачей в диагностических рассуждениях, а также в формировании теории в науке.

Материал получен из нескольких статей Чандрасекарана.

вернуться на домашнюю страницу CLAES
Последнее обновление: 18/6/1996

Общие задачи и структуры задач: история, критика и новые направления

1. Аллеманг, Д., Ротенфлух, Т.Э.: Приобретение знаний о приобретении знаний: самостоятельное изучение общих задач. Текущие разработки в области приобретения знаний, Proc. Шестого европейского семинара по приобретению знаний — EKAW 92, (изд. Wetter, T., Acthoff, K.D., Gaines, B.R., Linster, M. & Schmalhofer, F.), 353–372, Springer-Verlag, Berlin, 1992

   Google Scholar

2. «>

   Бенджаминс, Р.В., Абу-Ханна, А., Янсвейер, В.Н.Х.: Выбор динамического метода в диагностических рассуждениях. 12-й Авиньонский международный конгресс по искусственному интеллекту, 155–164, 1992 г.

   Google Scholar

3. Брекер, Дж., Велинга, Б.: Модели опыта в приобретении знаний. Темы проектирования экспертных систем (изд. Гуида, Г. и Тассо, К.), 265–29.5, Elsevier Science Publishers B.V., Северная Голландия, 1989

   Google Scholar

4. Браун, округ Колумбия: Экспертные системы для решения проблем проектирования с использованием уточнения дизайна с выбором плана и перепроектированием. Кандидат наук. Диссертация, кафедра компьютерных и информационных наук, Государственный университет Огайо, Колумбус, Огайо, 1984

   Google Scholar

5. Браун, округ Колумбия, Чандрасекаран, Б. : Экспертные системы для класса деятельности по механическому проектированию. Инженерия знаний в автоматизированном проектировании (изд. Геро, Дж. С.), 259.–282, Северная Голландия, Нью-Йорк, 1985

   Google Scholar

6. Браун, округ Колумбия, Чандрасекаран, Б.: Решение проблем проектирования: структуры знаний и стратегии управления. Издательство Морган Кауфманн, Сан-Матео, Калифорния, 1989 г.

   Google Scholar

7. Байландер, Т., Аллеманг, Д., Таннер, М.С., Джозефсон, Дж.Р.: Вычислительная сложность похищения. Искусственный интеллект, 49(1991): 25–60, 1991

   CrossRef
   MathSciNet
   МАТЕМАТИКА

   Google Scholar

8. Байландер, Т., Чандрасекаран, Б.: Общие задачи для рассуждений, основанных на знаниях: «правильный» уровень абстракции для приобретения знаний. Междунар. J. Человеко-машинные исследования, 26:231–243, 1987

   CrossRef

   Google Scholar

9. Байландер, Т., Джонсон, Т.Р., Гоел, А.: Структурированное сопоставление: метод принятия решений для конкретной задачи. Приобретение знаний, 3(1):1–20, 1991

   Перекрёстная ссылка

   Google Scholar

10. Байландер Т., Миттал С.: CSRL: язык для решения классификационных задач. Журнал AI, VII(3):66–77, 1986

    Google Scholar

11. Чандрасекаран, Б.: К таксономии типов решения проблем. Журнал AI, 4(1):9–17, 1983

    Google Scholar

12. Чандрасекаран, Б.: Общие задачи в разработке экспертных систем и их роль в объяснении решения проблем. Протоколы семинара Национальной академии наук/Управления военно-морских исследований по искусственному интеллекту и распределенному решению задач, Национальная академия наук, Вашингтон, округ Колумбия, 1985

    Google Scholar

13. «>

    Чандрасекаран, Б.: Общие задачи в рассуждениях, основанных на знаниях: строительные блоки высокого уровня для проектирования экспертных систем. IEEE Expat, 1(3):23–30, 1986

    CrossRef

    Google Scholar

14. Чандрасекаран, Б.: На пути к функциональной архитектуре интеллекта на основе общих задач обработки информации. Материалы Десятой Международной объединенной конференции по искусственному интеллекту (под редакцией Макдермотта, Дж.), 1183–119.2, Morgan Kaufmann Publishers, Inc., Лос-Альтос, Калифорния, 1987

    Google Scholar

15. Чандрасекаран, Б.: Структуры задач, приобретение знаний и обучение. Машинное обучение, 4:93–99, 1989

    Google Scholar

16. Чандрасекаран, Б.: Решение проблем проектирования: анализ задач. Журнал AI, 11(4):59–71, 1990

    Google Scholar

17. «>

    Чандрасекаран, Б.: Модели и правила, глубокие и скомпилированные, содержание и форма: некоторые различия в исследованиях систем знаний. Эксперт IEEE, апрель: 75–79, 1991

    Google Scholar

18. Чандрасекаран, Б., Миттал, С.: Концептуальное представление медицинских знаний для диагностики с помощью компьютера: MDX и родственные системы. Достижения в области компьютеров, (изд. Йовиц, М.), 217–293, Academic Press, 1983

    Google Scholar

19. Чандрасекаран Б., Миттал С., Гомес Ф., Смит Дж. В.: Подход к медицинской диагностике на основе концептуальных структур. Протоколы Шестой международной объединенной конференции по искусственному интеллекту, 134–142, UCAI, Токио, Япония, 1979 г.

    Google Scholar

20. Чандрасекаран, Б., Миттал, С., Смит, Дж. В.: RADEX — К консультанту по компьютерной радиологии. Распознавание образов на практике (изд. Kanal & Gelsema), 463–474, North Holland Publishing Co., 19.80

    Google Scholar

21. Чандрасекаран, Б., Миттал, С., Смит, Дж. В.: Рассуждения с неопределенными знаниями: подход многомерных выражений. Протоколы Конгресса Американской ассоциации медицинской информатики 1982 г. (изд. Линдберг, DAB), 335–339, Masson Publishing, США, 1982 г.

    Google Scholar

22. Чандрасекаран, Б., Таннер, М., Джозефсон, Дж.: Объяснение стратегий управления при решении проблем. IEEE Expert, 4(1): стр. 9–24, 1989

    CrossRef

    Google Scholar

23. Клэнси, В.Дж.: Эвристическая классификация. Искусственный интеллект, 27(3):289–350, 1985

    CrossRef

    Google Scholar

24. «>

    Клэнси, В.Дж.: От ГВИДОНА до НЕОМИКИНА и ГЕРАКЛА в двадцати коротких уроках: Заключительный отчет ORN за 1979–1985 гг. Журнал AI, 7(3):40–60, 1986

    Google Scholar

25. Дэвид, Ж.-М.: Функциональные архитектуры и подход к общим задачам. Обзор инженерных знаний, 3(3):212–215, 1988

    Google Scholar

26. Дэвид, Дж. М., Кривин, Дж. П.: Diva: Экспертная система для мониторинга вибрации крупных вращающихся машин. Технический отчет, Laboratoires de Marcoussis, Франция, 1988 г.

    Google Scholar

27. Эшельман, Л.: MOLE: инструмент сбора знаний для систем покрытия и дифференциации. Автоматизация сбора знаний для экспертных систем (изд. Маркус С.), 37–80, Kluwer Academic Publishers, 19.88

    Google Scholar

28. «>

    Гоэл, А., Биландер, Т.: Вычислительная осуществимость структурированного сопоставления. IEEE Transactions on Pattern Analysis and Machine Intelligence, 11(12):1312–1316, 1989

    CrossRef

    Google Scholar

29. Гоэл, А., Каллантайн, Т.: Основанный на опыте подход к планированию навигационного пути. Материалы Международной конференции IEEE/Robotics Society of Japan по робототехнике и системам, 705–710, IEEE Press, 19.92

    Google Scholar

30. Гоэл, А., Сундарараджан, Н., Чандрасекаран, Б.: Сложность классификационного мышления. проц. Шестая национальная конференция по искусственному интеллекту, 421–425, Morgan Kaufmann Publishers, Inc., Лос-Альтос, Калифорния, 1987 г.

    Google Scholar

31. Гоэль, А.К., Чандрасекаран, Б.: Дизайн на основе конкретных случаев: анализ задач. Искусственный интеллект в инженерии (изд. Тонг, К. и Шрирам, Д.), 165–183, Academic Press, NY, 19.92

    Google Scholar

32. Гомес Ф., Чандрасекаран Б.: Организация и распространение знаний для медицинской диагностики. IEEE транс. Системы, человек и кибернетика, 11(1):34–42, 1981

    CrossRef

    Google Scholar

33. Грубер, Т., Коэн, П.: Дизайн для приобретения: Принципы проектирования системы знаний для облегчения приобретения знаний. Международный журнал человеко-машинных исследований, 26 (2): 143–159., 1987

    Перекрёстная ссылка

    Google Scholar

34. Хадзикадич, М., Юн, Д.: Характеристика областей применения технологии экспертных систем. Семинар AAAI по инструментам высокого уровня для систем, основанных на знаниях, Лаборатория исследований ИИ, Университет штата Огайо, Колумбус, 1986

    Google Scholar

35. «>

    Харви, А.М.: Дифференциальный диагноз, интерпретация клинических данных. У. Б. Сондерс, 19 лет72

    Google Scholar

36. Герман, Д. Дж.: Расширяемая специализированная оболочка для решения рутинных задач проектирования. Кандидат наук. Диссертация, факультет компьютерных и информационных наук, Государственный университет Огайо, Колумбус, Огайо, 1992

    Google Scholar

37. Ивасаки Ю., Келлер Р., Фейгенбаум Э.: Общие задачи или обширные базы знаний? Обзор инженерии знаний, 3 (3): 215–216, 19.88

    Google Scholar

38. Джонсон, К., Стиктен, Дж., Смит, Дж.В.: IDABLE — Применение интеллектуальной базы данных к медицинским системам. Рабочие заметки весеннего симпозиума AAAI 1988 г. по искусственному интеллекту в медицине, 43–44, AAAI, Стэнфорд, Калифорния, 1988 г.

    Google Scholar

39. Johnson, K.A., Johnson, T.R., Smith, J.W., Jr., DeJongh, M., Fischer, O., Amra, N.K., Bayazitoglu, A.: RedSoar — система для идентификации антител к эритроцитам. Материалы пятнадцатого ежегодного симпозиума по компьютерным приложениям в медицинской помощи, 664–668, McGraw Hill, Вашингтон, округ Колумбия, 1991

    Google Scholar

40. Джонсон, Т.Р.: Общие задачи в парадигме проблемного пространства: построение гибких систем знаний при использовании ограничений на уровне задач. Кандидат наук. Диссертация, кафедра компьютерных и информационных наук, Государственный университет Огайо, Колумбус, Огайо, 1991

    Google Scholar

41. Джонсон, Т.Р., Смит, Дж.В., Байландер, Т.: HYPER — сопоставление гипотез с использованием скомпилированных знаний. Материалы Конгресса AAMSI 1989, (изд. Хаммонд, Западная Европа), 126–130, Американская ассоциация медицинских систем и информатики, Сан-Франциско, Калифорния, 1989

    Google Scholar

42. Джонсон, Т.Р., Смит, Дж.В., Чандрасекаран, Б.: Общие задачи и Soar. Рабочие заметки весеннего симпозиума AAAI-89 по инструментам и языкам разработки систем знаний, 25–28, AAAI, Стэнфордский университет, 1989

    Google Scholar

43. Джонсон, Т.Р., Смит, Дж.В., Чандрасекаран, Б.: Архитектуры для конкретных задач для гибких систем. The Soar Papers: Research on Integrated Intelligence (изд. Розенблюм, П.С., Лэрд, Дж. Э. и Ньюэлл, А.), The MIT Press, в печати

    Google Scholar

44. Джозефсон Дж., Чандрасекаран Б., Смит Дж., Таннер М.: Механизм формирования сложных объяснительных гипотез. IEEE Transactions on Systems, Man, and Cybernetics, 17(3):445–454, 19. 87

    Перекрёстная ссылка

    Google Scholar

45. Джозефсон Дж., Джозефсон С.: Похищение: вычисления, философия, технология. Издательство Кембриджского университета, In Press

    Google Scholar

46. Джозефсон Дж., Сметтерс Д., Фокс Р., Облингер Д., Уэлч А., Нортрап Г.: Интегрированный универсальный набор инструментов для задач — Fafner, выпуск 1.0: Введение и руководство пользователя. Технический отчет, Лаборатория исследований ИИ, Государственный университет Огайо, Колумбус, Огайо, 1989

    Google Scholar

47. Лэрд, Дж. Э., Ньюэлл, А., Розенблюм, П. С.: SOAR: архитектура для общего интеллекта. Искусственный интеллект, 33:1–64, 1987

    CrossRef

    Google Scholar

48. Маркус, С.: Соль: Инструмент приобретения знаний для систем предложения и пересмотра. Автоматизация сбора знаний для экспертных систем (изд. Маркус, С.), 81–123, Kluwer Academic Publishers, Бостон, 19.88

    Google Scholar

49. Макдермотт, Дж.: Предварительные шаги к таксономии методов решения проблем. Автоматизация сбора знаний для экспертных систем (изд. Маркус С.), 225–256, Kluwer Academic Publishers, 1988

    Google Scholar

50. Миллер, Р.А., Попл, Х.Е., младший, Майерс, д.д.: терапевт I, консультант по экспериментальной компьютерной диагностике общей медицины внутренних органов. Медицинский журнал Новой Англии, 307:468–476, 19.82

    Перекрёстная ссылка

    Google Scholar

51. Минский, М.: Общество Разума. Саймон и Шустер, 1985

    Google Scholar

52. Миттал, С. : Организация временных баз данных на основе событий. Материалы Четвертой двухгодичной конференции Канадского общества вычислительных исследований интеллекта, 164–171, CSCSI, Торонто, Онтарио, 1982 г.

    Google Scholar

53. Миттал С., Чандрасекаран Б.: Патрек: База данных, ориентированная на знания, для диагностической экспертной системы. IEEE Computer, 17(9):51–58, 1984

    CrossRef

    Google Scholar

54. Мусен, Массачусетс: Создание инструментов сбора знаний на основе моделей для систем консультирования по клиническим испытаниям. Кандидатская диссертация, Стэнфорд, 1988 г.

    Google Scholar

55. Нараянан, Н.Х., Чандрасекаран, Б.: Визуальные рассуждения о пространственных взаимодействиях. проц. 12-я UCAI, 360–365, Морган Кауфман, Маунтин-Вью, Калифорния, 1991

    Google Scholar

56. «>

    Ньюэлл, А.: Уровень знаний. Журнал AI, (лето): 1–19, 1981

    Google Scholar

57. Патий, Р.С.: Представление причин болезни пациента для электролитной и кислотно-щелочной диагностики. Кандидат наук. Диссертация, Массачусетский технологический институт, 1981 г.

    Google Scholar

58. Перл, Дж.: Вероятностное рассуждение в интеллектуальных системах: сети правдоподобного вывода. Морган Кауфман, 1988

    Google Scholar

59. Пенг Ю., Реджиа Дж. А.: Модели абдуктивного вывода для решения диагностических задач. Springer-Verlag, Нью-Йорк, 1990

    CrossRef
    МАТЕМАТИКА

    Google Scholar

60. Попл Х.: О механизации абдуктивной логики. проц. Международной объединенной конференции по искусственному интеллекту, 147–152, IJCAI, 1973

    Google Scholar

61. «>

    Панч III, В.Ф., Таннер, М.К., Джозефсон, Дж.Р., Смит, Дж.В.: Пирс: инструмент для экспериментов с похищением. IEEE Expat, 5(5):34–44, 1990

    CrossRef

    Google Scholar

62. Punch, WF: Диагностическая система, использующая интегрированную архитектуру решения проблем (TIPS), включая причинно-следственные связи. Кандидат наук. Диссертация, факультет компьютерных и информационных наук, Университет штата Огайо, Колумбус, Огайо, 1989

    Google Scholar

63. Рейтер, Р.А.: Теория диагностики из первых принципов. Искусственный интеллект, 32:57–95, 1987

    CrossRef
    MathSciNet
    МАТЕМАТИКА

    Google Scholar

64. Шанк, Р.К.: Концептуальная зависимость: теория понимания естественного языка. Когнитивная психология, 3:552–631, 1972

    CrossRef

    Google Scholar

65. «>

    Sembugamoorthy, V., Chandrasekaran, B.: Представление функционирования устройств, которое поддерживает составление экспертных структур решения задач. Опыт, память и мышление (изд. Колоднер, Дж. Л. и Рисбек, С. К.), 47–73, Lawrence Erlbaum Associates, Hillsdale, NJ, 6

    Google Scholar

66. Стали, Л.: Компоненты экспертизы. Журнал AI, 11(2):28–49, 1990

    Google Scholar

67. Sticklen, J.: MDX2 Интегрированная медицинская диагностическая система. Кандидат наук. Диссертация, Университет штата Огайо, 1987 г.

    Google Scholar

68. Таннер, М.К.: Объяснение систем знаний: обоснование диагностических заключений. Кандидат наук. Диссертация, кафедра компьютерных и информационных наук, Государственный университет Огайо, Колумбус, Огайо, 1989

    Google Scholar

69. «>

    Ван Марке, К.: Общая среда обучения. проц. ECAI-90 (изд. Айелло, Л.), 655–660, Pitman, Лондон, 1990

    Google Scholar

70. Vanwelkenhuysen, J., Rademakers, P.: Сопоставление анализа уровня знаний с вычислительной структурой. проц. ECAI-90, (изд. Айелло, Л.), 681–686, Pitman, Лондон, 1990

    Google Scholar

71. Вайнтрауб, Массачусетс: основанный на объяснении подход к присвоению кредита. Кандидат наук. Диссертация, кафедра компьютерных и информационных наук, Государственный университет Огайо, Колумбус, Огайо, 1991

    Google Scholar

72. Велинга, Б.Дж., Шрайбер, А.Т., Брейкер, Дж.А.: KADS: подход моделирования к инженерии знаний. Приобретение знаний, 4:5–53, 1992

    CrossRef

    Google Scholar