归纳推理

摘要： 史宁中教授在《数学思想概论》一书中,系统介绍了数学教学中的归纳推理,即从特殊到一般的推理,它告诉我们可以从顺向去思考,那就是凭借我们对事物的过去和现在情况的了解去推断事物的未来,也可以以逆向思维的方式从熟悉事物的当前状况反向思考推导出事物的过去情况,其实质是已经验证过的事物推断出未经验证的事物。

摘要： 日常教学中,“下笔难”“想不到”“没思路”是学生求解数学问题时的常有现象.特别是面对“新”题目,学生常常感叹“寻寻觅觅,冷冷清清,凄凄惨惨戚戚”.作为教师,如何启迪学生思维之光,探寻“破题”关键,是教学的现实需要.

摘要： 小学生解决问题能力的持续提高和综合素质的全面提升,都需要归纳推理在其中扮演重要的角色。与其他学科相比,数学的理论性更强、现实意义更广、学习难度更高。鉴于此,将归纳推理作为重要突破口,深刻阐述和仔细分析了小学数学课程中应用归纳推理是完全可行的,并以实践的案例作为例证,希望可以改善当前教育状况,让学生的综合素质得到稳步提升。

摘要： 科学思维是核心素养中的关键能力之一,新课标从应用情境、态度品质、基本工具、能力要素4个方面来阐述科学思维.人教版《义务教育教科书·生物学》中有多个栏目是培养学生科学思维的素材,理解其中蕴含的科学思维工具并开展教学和评价,有助于提升学生的科学思维能力.

摘要： 前段时间,我在朋友圈晒出1981年版的人教版高中语文老教材的照片,引发了热议。这套教材共收录了7篇逻辑知识短文,依次介绍概念的内涵和外延、概念间的关系、简单判断、复合判断、演绎推理、归纳推理以及形式逻辑的思维规律(同一律、矛盾律、排中律)。有教师认为,这之后,语文教材逐渐取消了逻辑知识的内容,是导致现在学生逻辑思维能力普遍下降的主要原因。对此,我有不同的看法。这套教材我教过,对于其中的逻辑知识,当时也认认真真地讲了,但实际效果并不理想。我以为,这也是后来逻辑知识被取消的重要原因之一。

摘要： 归纳推理作为核心素养中的一种重要推理形式,不仅对数学创新和解决问题起到了非常重要的作用,而且也是学习知识与训练思维的一种重要能力。文章认为,应该积极将归纳推理渗透于教学之中。鉴于此,文章就归纳推理在运算定律教学、规律总结和数学解题中的应用做些探讨,以期使教学事半功倍,提升学生的综合能力。

摘要： 伴随着新课标的实施和推广,在教学过程中更加注重对学生核心素养的培养。而小学数学核心素养当中的归纳推理能力要求学生学会从个别性知识推导出一般性结论,归纳推理能力的培养可以有效提升学生的思维创新能力,对其今后的学习和发展产生重要影响。本文主要探讨在小学数学教学过程中培养学生归纳推理能力的策略,以期为小学数学教学模式改革提供部分参考。

摘要： 利用“谷神星”被发现的历史,串联起归纳推理的教学内容,将数学的“真、善、美”融入教学内容,引领学生参与推理过程,使学生浸润数学文化,体会“逻辑推理”对科学发展的巨大推动作用,并逐步形成重论据、有条理、合乎逻辑的思维品质和理性精神,发展学生的数学素养.

摘要： 数学是一门以数字和符号为语言的学科,强调对学生计算能力以及逻辑思维的培养。加强对学生归纳推理能力的培养,既是顺应数学规律的有效举措,也是素质教育下小学数学创新发展的必然选择。依托于小学数学归纳推理实践的必要性,立足于小学数学对学生归纳推理能力的培养现状,以此为依据提出科学的培养策略,从习惯养成、科学例证、遵循规律、兴趣培养等方面着手,不断完善归纳推理能力培养路径,以期小学生的数学思维与学习能力得到显著提升。

摘要： 归纳推理问题,不仅考查学生将归纳推理知识与其他知识在解题中的灵活、综合运用能力,而且最重要的是借助归纳推理能够较好地培养学生的探究精神、创新意识,提升学生逻辑推理能力.因此,很有必要关注归纳推理与其他知识的综合运用,有利于积累解题经验,拓宽解题思维,进而帮助学生提高分析、解决此类问题的实际能力.

摘要： 为归纳推理的合理性辩护首先需要从根本上阐明归纳推理的合理性.一般性的知识虽然未经证实,却能够作为认识而确立,这一问题长期困扰着哲学家们,甚至有了归纳法是自然科学的胜利,却是哲学的耻辱的说法.事实上如果说人脑中有信念,意味着证实并非是观念确立的必要条件.是"信"就非"证",相信是主观上的事,带有某程度的主观性,同时相信意味着观念的确立,否则相信何用?一般性的知识既非波普尔所说的猜想,也非赖欣巴哈所说的假设,而是信念.尽管信念、假设、猜想三者都是未经证实的(证实了就不需要再去假设、猜想、相信了),但显然人们是依据信念而非假设或猜想行动的.与假定和猜想不同,信念是合法认识,即具备作为认识应具备的确实性和真实性,这种弱于证实的确实性和真实性需要用相"信"加以阐明.

摘要： 要表达归纳推理结论的不确定性和封画非单调的归纳推理,并非只能使用概率方法,用概称句和包含概称句的推理来刻画归纳推理是另一种可行且十分自然的方法.

摘要： 归纳推理的问题不完全是如何为归纳推理辩护的问题.早在古希腊时代,哲学家苏格拉底已然能够自觉运用归纳推理寻求事物的一般定义.他的学生柏拉图认为归纳的共相是自在之本体,是真实的存在者,柏拉图所探讨的归纳的共相只限一类事物.那么作为归纳推理结果的一般是否只包含一类事物(柏拉图)与因果关系(休谟)?显然并非如此,科学家们揭示的自然规律也是归纳推理的一般.归纳推理的一般包括什么?是否关乎存在?这也属于有待解决的归纳推理的问题.要从根本上完整地揭示归纳推理,就要全面揭示归纳推理的根据、过程与结果,这样也就解开了一般性知识之迷.

摘要： 使用单一知识库和单一的演绎推理方式的传统推理机无法运行在网络环境下,推理机的设计和实现已成为人工智能和网络智能中智能系统开发的瓶颈.网络中分布式、多种、海量信息的特征需要推理机不但要有演绎推理能力,还应具备归纳推理能力.为了使归纳推理更有效,就需要深刻理解人脑如何是进行归纳推理的.本文综述和分析了对归纳推理的认知基础及神经机制的研究现状,提出了构建人脑归纳推理过程的认知模型的两条途径,并指出了未来工作的几个可能研究方向.

摘要： 本研究采用混合实验设计,以三类不同难度的数字推理题目作为归纳推理任务,对三组(79名被试,男38名,女41名)数字敏感程度不同的成年被试的数字归纳推理过程及其特点,重点考察做出置信阈限内的归纳推理所需的前提刺激量.结果表明:(1)大学生完成置信阈限内的归纳推理所需最小前提量(前提刺激量)具有相对的稳定性和普遍性,其值稳定在3-4之间.(2)难度因素对前提刺激量有一定影响,具体表现为:对难度水平为"难"的题目被试所需的前提刺激量显著的高于其它两个难度水平的题目.(3)整体来看,数字敏感度因素对前提刺激量几乎没有影响.但就不同难度水平的题目来说,数字敏感度因素对前提刺激量是有一定影响的,具体表现为:在难度水平为"易"和"中"的题目上,"敏感"组被试所需前提刺激量明显多于其他两组被试.(4)本研究提出归纳推理的过程模型,包括前提比较、特征概括、假设建立、应用(检验)、确信度衡量等5个动态阶段,并采用该模型对研究结果进行了分析和解释.

摘要： 给出了粗糙集理论和基于规则的神经类疾病的知识之间的关系,并介绍了在诊断专家系统中对知识获取过程的应用,另外,以作物病害诊断专家系统为例,给出了基于粗糙集规则描述的自动归纳推理方法.实验结果表明,粗糙集不仅是一个很好的支持不确定知识获取的框架,而且是能正确地归纳推理疾病类的规则.

摘要： 由休谟归纳问题引发的对归纳推理的合理性辩护目前主要有三种进路:逻辑辩护、语境辩护和可靠论辩护.这三种进路推进了归纳问题的解决吗?对三种进路的解决方案做了考察和分析后得出结论:按照怀疑论的要求辩护一般归纳推理的有效性是不可能的,无意义的;但是特定语境的归纳推理可靠性的辩护是有意义的,也是可能的.

摘要： 近些年基于机器学习的智能入侵攻击识别技术已经成为入侵检测领域研究的热点。然而随着网络流量和网络规模的不断增大,以及网络行为特征的不断变化,使得现有的一些机器学习算法难以满足网络入侵检测模型对实时性、动态性和自适应性的要求,从而限制了机器学习在入侵检测系统中的应用。为了提高宽带网络环境下智能入侵检测系统的实用性和可用性,本文提出了一种基于归纳推理的动态自学习的高效入侵检测模型。将归纳推理方法应用到入侵检测中,提出了适用于入侵检测的增量学习推理算法。通过该算法建立的入侵检测模型能够对不断出现的新的网络行为数据进行自学习,并动态修正模型的行为轮廓,从而克服了传统静态检测模型必须完全重新学习才能更新模型甚至无法重新学习的缺陷,同时较大地提高了入侵检测模型的学习效率和检测效率。

摘要： 原有的意义的关系论过于简单和晦涩，存在诸多混淆。而且，无论从情境上讲，还是从制约上讲，原有的意义的关系论都是意义的约束关系论，它仅强调阐释和刻画语言表达式的惯常意义，而不重视阐释和刻画其逆向意义。相反，意义的任意关系论则在理清原有的关系论的基础上，放宽对情境和制约的约束条件，既可以从哲学上阐释任何语言表达式的任何情境意义，又可以促进它们的情境意义的技术刻画，促进情境语义学的迅速发展。

摘要： 原有的意义的关系论过于简单和晦涩，存在诸多混淆。而且，无论从情境上讲，还是从制约上讲，原有的意义的关系论都是意义的约束关系论，它仅强调阐释和刻画语言表达式的惯常意义，而不重视阐释和刻画其逆向意义。相反，意义的任意关系论则在理清原有的关系论的基础上，放宽对情境和制约的约束条件，既可以从哲学上阐释任何语言表达式的任何情境意义，又可以促进它们的情境意义的技术刻画，促进情境语义学的迅速发展。

摘要： 本发明提供的一种具有归纳能力的知识图谱推理方法，对给定的知识图谱，需要先抽取出每一个三元组的闭合子图并利用关系表征来初始化实体表征，之后打乱实体表征得到负样本图谱。之后将正负样本图谱中的子图输入到子图神经网络，分别通过图神经网络学习子图实体表征以及通过循环神经网络学习关系路径表征，并结合二者形成最终的子图表征。之后通过打分函数对正样本图谱中的三元组进行打分进行有监督学习，同时通过互信息最大化的方法实现无监督学习，并结合二者更新模型参数。能够充分利用子图结构信息及关系表征对新图谱实现归纳式的推理，从而更好地对新知识图谱进行补全。

摘要： 一种基于归纳逻辑程序设计的数据本体逻辑推理方法，包括以下具体步骤：对需要进行逻辑推理的数据本体进行预处理；提取数据本体中的主语、谓语和客体；根据数据本体中提取出来的主语、谓语和客体将数据本体转化为子句；并建立子句的集合；确定指定的论域A；对子句集合中每一个子句确定赫尔布兰德解释，得到不同的论域B；将论域B与论域A进行比对确定最终的论域范围C；基于论域范围C进行处理，得到推理结果；本发明通过对数据本体进行预处理，再经过子句、赫尔布兰德解释确定论域范围后基于归结原理和逆归结原理，得到推理结果。

摘要： 本发明公开了一种基于规则推理与GRU神经网络推理的混合推理方法，包括步骤：生成知识图谱并给定的问题查询q，利用GRU网络生成逻辑规则；基于生成的逻辑规则，构建马尔可夫逻辑网络进行知识图谱推理，对逻辑规则进行价值打分；将生成的高质量逻辑规则给到GRU网络用于优化网络参数；利用价值函数计算推理结果的得分并输出可能的结果，量化表示推理结果的可信度。本发明通过对价值函数的设计，结合规则推理和GRU神经网络推理，能够快速有效地找到知识推理的结果，并计算推理结果的可信度。

摘要： 推理装置(10)具有图结合部(14)，该图结合部(14)使用从知识库(11a)提供的知识信息以及从规则数据库(12a)提供的推理规则，以前向链方式结合动态变化的外部信息中的属于彼此不同的域的信息即图，由此生成统合图，其中，所述知识信息包含与人的状态有关的信息和与人的行动有关的信息。

摘要： 范围判定部(412)将对输入数据加密而成的输入密文C

摘要： 本发明提供一种基于情景驱动推理引擎，其包括：方法库模块、推理模块、执行器模块、情景驱动器模块、本地情景库模块以及情景管理器模块。根据本发明的另一个方面，还提供一种基于情景驱动的推理控制方法，其特征在于，包括如下步骤：a. 通过传感器获取情景信息；b. 使用情景驱动推理引擎对情景信息进行推理；以及h.输出情景推理结果。还提供一种基于情景驱动的推理器。传统的推理引擎中是以目标为驱动进行推理，在情景驱动的推理引擎，是以情景驱动的推理模型，情景驱动推理引擎相比传统的推理引擎具有更好的实时性，能满足对时空频变支持的需求。

摘要： 本发明公开了一种智能厨具归纳装置及归纳方法，包括两个底板，两个底板的顶部分别固定安装有第一支板和第二支板，所述第一支板和第二支板的一侧均固定安装有固定块，两个固定块的顶部固定安装有同一个烘干箱，所述烘干箱为中空设置，所述烘干箱的一侧内壁上滑动安装有蒸汽桶，所述蒸汽桶上连通有蒸汽设备，所述蒸汽桶上传动连接有驱动组件，所述第一支板和第二支板相互靠近的一侧固定安装有同一个矩形框。本发明为一种智能厨具归纳装置，将厨具整合集中放置在一起，不仅可以使厨房看起来更加整齐，还大大提高了空间的利用率，厨具上残留的水渍会被收集，不会影响灶台的洁净性，蒸汽桶能够覆盖的面积大，可实施性强。

摘要： 学习装置(100、100a、100b)具有：学习用数据取得部(109)，其取得多个学习用数据，1个学习用数据是基于包含时间序列的观察值的1个或多个时间序列数据中的1个时间序列数据的第1信息、基于包含彼此不同的至少2个预测期间的多个预测期间中的1个预测期间的第2信息、以及基于经过预测期间后的观察值的第3信息的组合；以及学习部(110)，其将组合学习用数据中的第1信息和第2信息而成的信息作为说明变量，并且将第3信息作为响应变量，使用学习用数据取得部(109)取得的多个学习用数据进行学习，生成能够推理经过指定的预测期间后的推理观察值的已学习模型。

摘要： 本申请实施例公开了一种神经网络推理芯片、神经网络推理方法及终端，神经网络推理芯片包括SSP和计算模块，其中，计算模块由VSP、MMP以及PSUM构成；SSP，用于根据特征图和神经网络结构参数生成控制指令；VSP，用于基于控制指令生成卷积计算指令和卷积计算数据；MMP，存储有权重数据，用于根据卷积计算指令、卷积计算数据以及权重数据执行卷积计算，获得第一计算结果；PSUM，用于根据第一计算结果确定卷积结果。

摘要： 本发明披露了一种数据处理技术领域的推理服务组件的运算方法和TensorRT推理服务组件，具体包括：接口层，用于待处理数据和推理结果数据与外部的交互；推理层，包含第一运算队列，所述第一运算队列包括一组以上第一运算对象，每一所述第一运算对象有对应连接的TensorRT对象；每一所述第一运算对象包括预设的推理服务模型；调度层，从所述接口层获取待处理数据，从所述推理层获取推理输出结果；调取所述第一运算队列的所述第一运算对象，根据所述第一运算对象执行推理服务；释放所述第一运算对象至第一运算队列。插件层，所述插件层连接所述推理层，所述插件层用于提供推理服务模型。本技术方案使TensorRT调用更加灵活方便。