概率推理

摘要： 概率方法是一种允许在不确定情况下进行证据推理的数学模型,具有计算可靠性和完备性的形式化基础。然而,概率推理在建模过程中存在两大困境,即概率数值从何而来以及如何解决证据聚合难题。贝叶斯概率和富兰克林原则为数值难题提供了破解之道。贝叶斯概率充分融合客观概率和主观概率,为它们提供统一框架,解决概率数值的评估分歧。富兰克林的一般性原则确保适当参考类的理性选择,解决数值难题的客观概率赋值。基于概率理论的贝叶斯公式具备一致性和规范性,借助严格的形式化概率推论可以消解证据聚合难题。通过对两大困境的回应和破解,表明概率方法是计算不确定性推理的可靠工具,为面向法律人工智能的证据推理模型提供了理论支持。

摘要： 短波发射机作为短波通信的关键组成设备,在各装备平台上具有广泛的应用,其故障诊断技术对于各装备的短波通信保障能力具有重要意义。本文以贝叶斯网络为基础,建立短波发射机贝叶斯网络故障诊断模型并对其进行分析计算,推理得出导致故障出现的各因素发生概率,以便科学、有效地对故障进行诊断定位,为快速排故、提升设备故障修复效率提供有力支撑。

摘要： 在基于贝叶斯网的概率推理应用中,由于缺乏节点间潜在的关联信息,使得与推理任务无关的节点参与计算,导致推理效率不高,高效的贝叶斯网推理有待深入研究.为此,本文引入知识图谱,使用领域知识补充节点间潜在的关联信息,从而支持高效贝叶斯网推理.首先,基于TransE模型将知识图谱中的三元组嵌入到低维向量空间,通过向量的相似度计算得到实体间的关联信息,以此为依据从贝叶斯网中抽取与推理任务相关的子图构建节点关联图;然后,基于实体间的相似度与贝叶斯网节点参数给出图中的权值计算方法;最后,基于节点关联图的嵌入实现近似推理.实验结果表明,本文方法的效率优于吉布斯采样算法与前向采样算法,验证了本方法的高效性.

摘要： 事件诱因是诱导事件发生的因素,从事件特征数据构建事件诱因模型,进行事件诱因估计,是解决舆论控制、精准决策支持和用户行为定向等问题的重要基础.本文以公共突发事件为背景,以贝叶斯网为不确定性知识表示和推理的基本框架,以多值隐变量来描述事件诱因的多个取值,提出一种基于带隐变量贝叶斯网(隐变量模型)的事件诱因模型构建方法,进而利用概率推理算法估计事件诱因.针对事件诱因存在多个取值的问题,本文基于分支限界思想提出最优取值子集提取算法.建立在真实数据集上的实验结果表明,本文提出的事件诱因模型构建方法及相应的诱因估计方法是有效的.

摘要： 为探究船舶在大风浪中发生倾覆的原因,利用贝叶斯网络建立船舶倾覆模型,分析我国2005—2019年船舶在大风浪中的倾覆事故。结合数据样本,从人、船、环境、管理四个方面对造成倾覆事故的原因进行分析,确定网络节点,进而找到每起倾覆事故的事故链,并建立大风浪中船舶倾覆事故的贝叶斯网络。通过Netica软件对所建立的贝叶斯网络进行分析,找出船舶在大风浪中倾覆的致因链。结果表明:该贝叶斯网络能够利用船舶航行时的信息预测出船舶在大风浪中发生倾覆的概率,可为航运公司及船员在大风浪下的操纵提供建议,对保障船舶在大风浪中的安全航行具有一定的实际意义。

摘要： 当前,新一代人工智能,特别是具有可解释性的基于因果关系的人工智能成为领域关注点。图灵奖获得者朱迪亚·珀尔(Judea Pearl)的因果贝叶斯网络模型成为研究热点。本文简要分析了因果贝叶斯网络与贝叶斯网络的关系、存在的缺点,进而介绍了笔者原创的动态不确定因果图(Dynamic Uncertain Causality Graph,DUCG)模型及其优点,以及目前的应用情况。

摘要： 针对当前教育研究问题的复杂性、不确定性与动态性特征,本文提出使用贝叶斯网络方法分析教育实证研究数据。在研究范式上,贝叶斯网络结合了理论驱动与数据驱动的研究方法,根据教育研究理论与专家经验确定先验模型,通过后续采集的数据迭代模型,不断更新能够支持或反对理论模型的数据证据。在数据分析方法上,贝叶斯网络将变量或变量关系的不确定性纳入模型,以概率的方式给出精确的推断结论和预测信息。在模型应用上,贝叶斯网络能够在真实教学情境中实时评估学生的知识掌握、能力培养、素养发展等,为教学与学习过程的动态评估提供方法和技术上的支持。

摘要： 针对知识图谱中实体间的关联关系存在不确定性、实体间关联度计算复杂度高等问题,提出一种基于贝叶斯网的实体间关联度的计算方法.针对知识图谱做预处理,利用剪枝后获取的核心子图构建贝叶斯网,提出基于知识图谱的贝叶斯网构建方法;利用贝叶斯网作为知识图谱中实体之间关联关系的量化和推理框架,基于贝叶斯网的概率推理,提出知识图谱中实体间关联度的定量计算方法.建立在真实数据之上的实验结果验证了方法的有效性.

摘要： 知识图谱中实体所涉及的关系之间通常具有相互依赖的性质,基于这种依赖性可利用数据中的新实体来构造更多的三元组从而补全知识图谱.贝叶斯网(BN)是一种表示和推理变量之间相互依赖关系和不确定性知识的有效模型,将BN作为模型框架,研究基于BN的开放世界知识图谱补全方法.提出知识图谱中关系之间依赖性的表示模型构建方法,构建过程包括模型的基础结构构建和参数表计算,基于关系对实体的描述作用,根据描述作用强的关系决定描述作用弱的关系这一规则构建模型的基础结构.给出基于知识图谱中的三元组来抽取数据集的方法,采用最大似然估计法并利用模型的基础结构和数据集来计算模型的参数表.提出基于BN概率推理的三元组构造方法,将开放世界数据中包含新实体三元组的关系和尾实体作为证据,利用概率推理计算新实体与其他实体之间存在关系的条件概率,以此为依据构造与新实体相关的更多三元组,从而完善知识图谱.在FB15k和DBpedia数据集中分别进行三元组类型预测和链路预测实验,结果表明,该方法具有有效性,其预测召回率和MR值相比现有知识图谱补全方法均有明显提升.

摘要： 采用数学焦虑量表、概率推理量表以及数学元认知问卷对431名初中生进行测查,探讨数学焦虑对初中生概率推理的影响及作用机制.结果发现:(1)数学元认知在数学焦虑与概率推理之间起中介作用;(2)数学元认知知识在数学焦虑与概率推理之间的中介作用不显著;(3)数学元认知体验、数学元认知监控在数学焦虑和概率推理之间起中介作用;(4)性别调节了数学焦虑经过数学元认知监控对概率推理的中介效应.与男生相比,女生数学焦虑经过数学元认知监控对概率推理的中介效应显著增加.因此,数学焦虑和初中生概率推理之间存在有调节的中介效应.

摘要： 本文以用户偏好发现为目标,使用隐变量模型(即含隐变量的贝叶斯网)描述评价数据中相关属性之间的依赖关系及其不确定性,重点研究评价数据中隐变量模型的构建和概率推理方法.首先针对评价数据的稀疏性,使用带偏置的矩阵分解模型对其进行填补.用隐变量表示用户偏好,给出了基于互信息、最大半团和EM算法的隐变量模型构建方法,进而给出了基于Gibbs采样的隐变量模型概率推理和用户偏好发现方法.通过建立在MovieLens数据集上的实验结果测试了本文所提出方法的高效性和有效性。

摘要： 针对目标综合识别证据具有信息来源广泛、实质相关性强、不确定性刻画难等特点,论述了现有各种目标综合识别方法存在的优缺点,阐述了DS证据合成和贝叶斯概率推理中证据相关性的影响,分析了目标识别证据之间及其与识别结果间的相关性,提出了相应的证据相关性统计度量方法,并给出了基于数据挖掘的证据相关性发现算法的实现流程.最后对证据相关性的研究方向进行了总结.

摘要： 给定系统拓扑结构和元器件间连接关系，利用贝叶斯网络和定性趋势分析构造用于故障预测的系统模型；利用参数学习算法确定贝叶斯网络的条件概率表，选择多树传播算法进行联合概率推理，根据系统根节点运行状态推测其余节点的故障概率；算法在Quanser三自由度四旋翼直升机上进行了仿真应用，结果验证了该方法的可行性和有效性。

摘要： 在火灾报警系统中火灾概率分析存在不确定性因素问题,为此文章提出用贝叶斯网络对火灾概率进行分析：首先通过分析火灾燃烧原理,得到火灾概率与燃烧过程产生的物化特征之间的内在逻辑关系;在定义火灾燃烧特征参量作为贝叶斯网络节点变量的基础上,创建了基于Netica的火灾报警系统贝叶斯网络模型.通过概率推理和对节点的证据敏感性分析,验证了利用贝叶斯网络模型对火灾发生概率进行分析是可行的、有效的.

摘要： 利用概率推理方法通过视频序列学习人体模型的方法，在计算机视觉领域有着重要的应用前景。本文提出一种基于传统隐马尔可夫模型人体模型学习方法，针对传统隐马氏模型在学习过程中的不足之处进行改进，得到一种适用于在视频序列中稳健跟踪并快速学习人体模型的概率框架。利用机器学习算法对该概率框架进行推理学习，获取改进隐马氏模型的参数，即可得到组成人体模型的各种肢体模板，从而学习到人体模型。实验表明利用至多220帧包含有人体运动的视频序列，便可学习到视频序列中运动人体的人体模型。该概率框架能很好模拟人体在视频中的运动，因此应用机器学习方法对该概率框架推理学习的效果明显，能准确学习到组成人体模型的各人体肢体模板，且具有学习快速的特点。

摘要： 贝叶斯网络作为一种知识表示和进行概率推理的方法,在不确定性推理决策问题中得到了广泛的应用。针对态势评估系统需要对大量不确定性知识进行处理的情况,利用贝叶斯网络技术,结合博弈论的思想,提出了一种博弈融合态势评估的新算法,并以一个实例来说明该算法计算过程的可行性,指出了贝叶斯网络在实际应用中存在的问题。

摘要： 该文简要介绍了通过模糊数学、概率推理和节约覆盖集理论建立的变压器故障诊断新模型。该模型不仅能最大限度的融入专家的知识，考虑到变压器的历史检修记录，对综合诊断变压器故障性质具有明显的优越性，并能有效地进行故障的准确定位，同时方便将专家知识和经验迅速成功引入该诊断模型中，具有很强可扩展性和可操作性。

摘要： 草图理解是人工智能学科的一个新兴的分支,旨在自动或半自动地识别并抽取草图、素描和图案的正确语义知识.草图的随意性和歧义性是草图理解的挑战性问题,现有草图理解系统只能通过限制用户手绘草图的随意性来提高识别和理解水平.针对这一挑战性问题,提出了一个草图理解的贝叶斯模型,该模型应用贝叶斯网络和概率推理方法来统一表示并处理笔划、手势、几何构造和领域知识.讨论了贝叶斯网络的结构学习和增量学习方法.分析了动态构建的上下文在处理草图随意性和歧义性方面的作用.关于UML类图草图理解的初步研究表明,该模型是处理草图随意性和歧义性的一种可行方法。

摘要： 就风险管理方法进行讨论,通过采用目标定向法逐步展开，阐述了评估武器装备采办风险的影响图模型的构建过程，并利用较完善的样本数据对模型进行了概率推理。初步探索揭示了影响图在武器装备采办风险管理过程中广阔的应用前景。

摘要： 通过对银行贷款流程的系统分析，获取银行贷款风险的关键诱因;并结合专家知识，构建银行贷款风险分析的贝叶斯网络模型;通过模型推理，不仅能预测银行贷款风险发生的强度，还能诊断导致贷款风险的主要风险因素。最后以实例说明了该模型在贷款风险分析中的实用性和有效性。

摘要： 本发明公开用于传感器融合的系统、方法和装置。用于传感器融合的系统包括一个或多个传感器、模型部件和推理部件。模型部件配置为基于传感器数据计算联合概率图形模型中的数值。图形模型包括对应于随机变量的节点和表明节点间的相关性的边缘。推理部件配置为基于传感器数据和模型使用散列加权积分和求和(WISH)算法来检测和跟踪车辆附近的障碍物。

摘要： 本发明涉及基于概率推理与情感认知的文本细粒度情感生成方法，包括以下步骤：步骤1：准备训练方法所需的文本数据集；步骤2：对文本数据集进行处理；步骤3：提取构建贝叶斯网络所用的情感评估变量；步骤4：根据网络文本的特性，添加基于表情符号和词频的情感评估变量；步骤5：构建情感知识库；步骤6：构建常识知识库；步骤7：情感评估变量赋值；步骤8：学习情感生成贝叶斯网络的网络结构；步骤9，进行参数学习；步骤10：完成情感生成方法的构建工作。本发明利用情感认知方法解决其他情感生成方法中存在的忽视隐性情感的问题，同时利用贝叶斯网络计算情感产生的概率，比较每种情感类别概率的高低，生成文本包含的一或多种情感。

摘要： 本发明提出基于概率推理的询问优化方法、系统和介质，包括创建问答语料库，分别提取所述问答语料库中的询问文本和答复文本的特征信息，根据所述询问文本和所述答复文本的特征信息构建问答结构图；创建概率推理网络，将所述问答结构图输入所述概率推理网络，通过对所述概率推理网络的历史统计，估计对应网络节点的跳转概率；根据所述跳转概率，计算跳转到各问答结构图节点下，最终得到答案的概率，依据此概率选取最高概率推理网络节点对应的问答结构图节点，获取与所述问答结构图节点对应的询问文本特征信息；本发明可以有效提高咨询效率。

摘要： 本发明涉及一种基于量化分析和概率推理的柔性立管风险评价方法，包括以下步骤：步骤一，构建以“柔性立管失效”为顶事件的故障树；步骤二，基于二维云模型理论改进风险矩阵法，得到“评语云矩阵”；步骤三，专家评估与评估结果聚合：对底事件进行评估，将评估结果进行聚合，得到评估结果综合云，与“评语云矩阵”进行对照，判断风险等级：步骤四，计算底事件模糊失效率；步骤五，贝叶斯网络的推理，判断具体状态下顶事件概率，实现故障溯源。

摘要： 本发明属于人工智能及自然语言处理领域，具体涉及一种基于概率推理的知识图谱实体对齐方法及装置，包括跨知识图谱分别获取用于训练的实体对齐种子以及与它们相连的关系，将这些实体和关系放入知识图谱表示学习算法当中进行训练；基于训练得到的关系向量，使用向量相似度算法对关系的相似度进行计算，提取出相似度较大的关系对；基于实体对齐种子以及计算得到的关系对，可以迭代的通过概率推理计算未对齐实体的对齐可能性并标注实体对齐结果；本发明通过利用知识图谱表示学习算法以及新颖的知识图谱概率推理算法，能有效提升知识图谱的实体对齐效果。

摘要： 基于概率推理模型多源异构信息融合的态势评估方法，第一步，在军事态势数据融合系统中，采用开启一个特定传感器的策略，以期收集更多的信息，同时也可能因此而把传感器的位置暴露给敌人，促使其采取行动有效地改变态势；第二步，融合推理过程的不确定性反映了多源信息不确定性的动态积累和传播过程，在融合的每一步都要综合多源信息的不确定性因素，随着推理的进行，最终得到不确定性的结论。本发明解决了融合系统中的各种不确定性因素影响问题，有效提升了融合系统的稳定性。

摘要： 本发明提出一种基于多频子带概率推理模型的图像修复方法，提出了一种基于多频概率推理模型的双路径并行网络——推理网络和生成网络。我们的方法将真实图像送入推理网络，受损图像送入生成网络，分别在小波域中将图像分解为低频子带和高频子带，然后通过编码器分别获得真实图像高低频子带的潜变量分布和缺失图像的高低频子带潜变量分布，再通过概率推理模型使得缺失图像的高低频子带潜变量分布接近于真实图像的高低频子带潜变量分布，最终使得修复完成的图像尽可能地接近真实图像，该方法的生成的图像结构更清晰，纹理更精细，修复后的图像更真实无明显边界。

摘要： 本发明提出基于概率推理的询问优化方法、系统和介质，包括创建问答语料库，分别提取所述问答语料库中的询问文本和答复文本的特征信息，根据所述询问文本和所述答复文本的特征信息构建问答结构图；创建概率推理网络，将所述问答结构图输入所述概率推理网络，通过对所述概率推理网络的历史统计，估计对应网络节点的跳转概率；根据所述跳转概率，计算跳转到各问答结构图节点下，最终得到答案的概率，依据此概率选取最高概率推理网络节点对应的问答结构图节点，获取与所述问答结构图节点对应的询问文本特征信息；本发明可以有效提高咨询效率。

摘要： 本发明公开了一种基于本体模型和概率推理的复杂事件识别方法，包括以下步骤：（1）利用本体模型对智能环境中的传感器和事件进行建模；（2）利用描述逻辑的语义属性将本体模型转换为马尔科夫逻辑网模型；（3）利用一种基于地点和固定时间间隔的分割方法对连续产生的传感器数据进行分割，形成事件序列，作为马尔科夫逻辑网模型的输入；（4）在马尔科夫逻辑网模型上进行概率推理，从而识别智能环境中发生的事件；所述的复杂事件识别方法融合了知识驱动方法和数据驱动方法的优势，可以准确地对智能环境进行建模，有效地处理事件之间的时间约束关系和传感数据的不确定性，提高识别的准确率。

摘要： 本发明涉及基于概率推理与情感认知的文本细粒度情感生成方法，包括以下步骤：步骤1：准备训练方法所需的文本数据集；步骤2：对文本数据集进行处理；步骤3：提取构建贝叶斯网络所用的情感评估变量；步骤4：根据网络文本的特性，添加基于表情符号和词频的情感评估变量；步骤5：构建情感知识库；步骤6：构建常识知识库；步骤7：情感评估变量赋值；步骤8：学习情感生成贝叶斯网络的网络结构；步骤9，进行参数学习；步骤10：完成情感生成方法的构建工作。本发明利用情感认知方法解决其他情感生成方法中存在的忽视隐性情感的问题，同时利用贝叶斯网络计算情感产生的概率，比较每种情感类别概率的高低，生成文本包含的一或多种情感。