跳到主要內容

發表文章

目前顯示的是 6月, 2017的文章

[筆記] Google API

每次都要登入 playground 找 API 實在有點小麻煩,且一陣子不用就會忘記規則 ( 太菜惹 乾脆就認真把幾個重要的記錄下來吧! BTW google fitness的是走OAuth2認證~ 撈資料:  https://www.googleapis.com/fitness/v1/users/me/dataSources/這裡是預查找資料的id API manual 上的,要幹嘛我忘惹(待確認) https://www.googleapis.com/fitness/v1/resourcePath?parameters 下指令語法: curl -H 'Authorization : [ User 身分 (ex:Bearer) ] [Token ] [放撈資料的URl囉~] 最後小抱怨一下,google+的fitness豪難用RRR  超級不適合菜鳥的QAQ

[筆記] 串接 知識決策模型 / 知識推論引擎 / 工作流程模型 / 工作分派引擎 ,一起手牽手心連心! Case實例

生字: Ontology 知識本體論:   定義特定的應用領域中,知識術語的集合。什麼種類的事情可以存在, 以及它們之間的交互關係,以達到知識共享目的。 如:包含語彙(Vocabulary),語意上的相互連結(Semantic Interconnection), 以及在推論(Inference)和邏輯(Logic)上的簡單規則(Hendler , 2001)。 OWL:The Web Ontology Language SWRL :Semantic Web Rule Language ,以語 義 的方式呈現規則的 一種語言 ,細節待研究 Protégé: 本體編輯和 知識取得 軟體,一種工具而已,不用想太多。 Jess Rule Engine:Java寫的一種工具,也不用想太多  ------------------------------------------------------- 知識決策人工智慧的領域演化過程: > 從20年前的數學模型、機率統計 >  語意描述建模 > 語意法則 > 推論引擎去分析推斷,產生真實的邏輯判斷結果 過去Ontology定義領域知識架構與其樹狀圖,在進步一點的利用RDF標準化結構。 今日利用OWL定義Ontology結構與親屬關係,建立實例 ( Instance ) 轉化為 Rule, Rule再利用推論引擎產生推論結果。 知識決策模型(Hypothesis) + 知識推論引擎(Procedure) + 工作流程模型(Model) + 工作分派引擎(Procedure) + 系統開發 (Implementation)  結合實例 //Ontology架構  知識決策架構 瞭解 領域環境 分析 & 歸納 領域問題 定義   領域知識 & 知識關聯架構  透過   OWL-DL語言 建立 Ontology 模型  透過   Protégé工具 , 管理 Ontology (亦可用於建立)  定義   屬性(Property)  建立 ...