溯因推理

摘要： 本文以“生物有共同祖先的证据”为例,通过构建证据类型模型,理清证据的呈现逻辑,并通过溯因推理,比较观察生物进化的事实和证据,论证生物有共同祖先。

摘要： 源网荷储的多样性特征导致当前电网异常的原因越来越复杂,为了充分利用需求侧宝贵的柔性资源,提出了一种基于异常溯因推理的需求侧协同调度优化方法。首先,提出了一种基于贝叶斯网络对异常指标进行溯因推理的方法。其次,基于极限场景法处理风力发电、负荷波动,构建考虑柔性负荷的电网日前分布式调度模型。最后,设置4种情景进行对比分析。算例结果表明,所提方法能够有效缓解区域潮流指标的异常趋势。

摘要： 1前言:AI与因果性近几年来,全球AI精英都很关心AI的一个议题:当今AI仰赖于大数据的相关性(Correlation)。然而,相关性并不一定表示其具有因果关系(Correlation does not imply causation)。由于当今AI对于因果关系的探索能力,还是非常有限的,仍然非常依赖人类(具有溯因性推理习惯者)来补足。人类具有溯因性推理习惯者,就是通称的创新者(如诸葛亮等),其擅长于溯因推理(Abductive reasoning)——从果追溯其真实的因。

摘要： 临床思维方式是医生认识、判断、治疗疾病的重要逻辑思维方法.但在本科教育、研究生教育中,很多医学院校并未安排相关理论授课课程,因此对于刚进入临床实践、参与住院医生规范化培训的医生(简称"规培医生")来说往往不能熟练掌握和应用.教学查房是规培医生规范化培训重要的带教环节,是培养和锻炼规培医生临床思维能力的最重要的教学方法.在教学查房过程中,教师主动介绍演绎推理、归纳推理、溯因推理等重要的临床思维方法,并引导规培医生应用常用的临床思维方法解决临床实际问题,达到提高规培医生诊疗水平和医疗质量的目的.

摘要： 以人教版高中生物学必修1“分子与细胞”模块为例,利用溯因推理的方法,对教学内容、实验探究、新旧知识架构三方面内容进行优化,帮助学生掌握、理解生物学知识、原理及其应用,从而提升学生的逻辑思维能力。

摘要： 溯因推理是为事件赋予解释的认知过程,妄想信念可被看作对病态体验赋予的荒谬解释.以溯因推理作为逻辑认知模型,可以分辨妄想信念形成过程中的病态与合理成分.基于该模型,妄想信念的出现需同时满足以下条件:第一,患者产生了虚幻的主观体验,它的产生源自某种生理性病变;第二,患者缺乏对这一解释进行实际验证的动机或能力,因而坚信自己为其赋予的解释.两大因素中前者是与生理反应关系密切的自动过程,后者是与认知能力关系密切的反思过程.

摘要： 以具体的实验教学案例,阐述高中生物学实验教学策略是创设问题情境、指导溯因推理、建构答题模型等,促进学生提高实验探究能力、逻辑思维能力以及解决问题能力.

摘要： Bayes原理是溯因推理的重要理论,用它分析酒驾检测异议案,有助于深入理解酒驾检测异议,理性看待检测结果.以Bayes原理为工具,应用相关统计数据,从概率论视角分析酒驾检测异议产生的原因及处理方法;解释查处酒驾二次检测的必要性与合理性.该方法突破仅从法律视角分析案件的传统,将事实证据与法律适用结合起来,为分析证据提供了一条新的思路.

摘要： 溯因推理(Abductive Reasoning)是对观察到的现象利用因果关系进行推理得出事件发生过程的方法。本文将时间溯因推理方法引入智能报警中,建立了智能报警的完整方法。该方法可以综合利用报警间的逻辑规则和事件约束,通过溯因推理,得到故障发生发展的事件链。同时可以识别出错误的报警和缺失的报警。

摘要： 针对复杂系统发生故障时告警信号间的时序约束关系,本文提出一种时间贝叶斯Petri网模型(TBPN),并基于该模型提出一种复杂系统的溯因故障诊断方法.该方法首先对观测到的告警信息建立时间Petri网,随后将其求逆并转换为TBPN,通过时间区间计算和溯因推理,分析告警信号的时序一致性并验证故障假说,最后对时序正确的故障事件链计算其故障概率并进一步分析干扰信息.仿真实验表明,该方法可对复杂故障进行快速诊断,并在告警信息存在丢失、虚警、时标差错时表现出较好的鲁棒性.与不考虑时间约束的同类方法相比,本文方法具有搜索空间更小,抗干扰性更强的特点.

摘要： 机会是在一定环境中对意图起重要作用的事件。机会发现与机会管理的理论研究须建立机会事件与主体意图和环境之间的联结。现有工作主要集中在前一个方面。本文在现有工作基础上，提出双相关机会发现模式，建立了机会事件与环境之间的一种联结。

摘要： 机会是在一定环境中对意图起重要作用的事件。机会发现与机会管理的理论研究须建立机会事件与主体意图和环境之间的联结。现有工作主要集中在前一个方面。本文在现有工作基础上，提出双相关机会发现模式，建立了机会事件与环境之间的一种联结。

摘要： 机会是在一定环境中对意图起重要作用的事件。机会发现与机会管理的理论研究须建立机会事件与主体意图和环境之间的联结。现有工作主要集中在前一个方面。本文在现有工作基础上，提出双相关机会发现模式，建立了机会事件与环境之间的一种联结。

摘要： 本实用新型属于溯溪鞋技术领域，公开了一种溯溪鞋底及溯溪鞋。该溯溪鞋底包括鞋底主体和支撑片。其中，鞋底主体上开设两排出水孔，出水孔贯穿鞋底主体，能够使溯溪鞋中的水通过出水孔排出鞋外。且鞋底主体包括前掌、后掌以及连接前掌和后掌的连接部，支撑片固定设置于连接部的正面，支撑片的一部分固定设置于前掌上，另一部分固定设置于后掌上，增强了前掌和后掌的衔接，提高鞋底主体的防扭性能，有效保护人在运动中的脚部的安全。该溯溪鞋通过上述溯溪鞋底，使得该溯溪鞋具有良好的排水性能，同时具有较高的防滑性能以及较高的防扭性能。

摘要： 本发明提供基于预训练模型的交叉聚焦损失的溯因推理方法，包括：将观测对O1和O2与所有假设的结合，得到输入序列；将输入序列中的单一输入变量输入预训练模型，得到对应句子级别的特征矩阵，然后对特征矩阵的单词维度求和，得到特征向量；遍历输入序列中所有单一输入变量，得到特征向量序列；将特征向量序列输入双向长短期记忆网络，获取到分布式特征表示，再利用全连接层进行映射求和得到每个输入的分数；将输入序列中N个标签为真的值分别与所有标签为假的值组成N组，并进行组内softmax，得到交叉预测值；引入聚类因子和引入权重因子，改进FocalLoss，得到训练损失函数；优化所述训练损失函数，得到最优的溯因推理模型。

摘要： 本发明涉及一种溯因推理方法和系统，所述系统至少包括：构建模块，用于构建贝叶斯网络；因果库，用于建立历史原始文献库，其特征在于，构建模块被配置为在因果库对专家论证的结果进行深度学习的情况下，基于因果库按照因素对Lm和Ln编号对因素对Lm和Ln之间的关系进行修正。

摘要： 本发明公开了一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质，其方法包括：获取电网运行过程中的时序数据，根据时序数据提取异常指标以及各个关联因素；计算异常指标与各个关联因素的关联度，获取强相关因素；计算异常指标与各个关联因素的因果关系，获取强因果因素；基于强相关因素、强因果因素以及异常指标构建贝叶斯网络；对贝叶斯网络进行参数学习，并基于参数学习后的贝叶斯网络进行异常指标的溯因推理。本发明能够解决异常指标主导因素分析的关键技术问题。

摘要： 本发明提供了一种基于溯因推理的故事情节拓展方法、装置、设备及介质，涉及计算机技术领域；方法包括：获取第一故事文本；从第一故事文本的第一故事尾句确定概念实体进行修改得到第二故事尾句；将第一故事文本以及第二故事尾句输入到预设的溯因推理模型进行反向推理，得到多个第一故事情节；将故事首句、多个第一故事情节以及第二故事尾句拼接，得到第二故事文本。通过修改第一故事尾句中的概念实体，对第一故事尾句进行改写并基于故事首句以及改写后的第二故事尾句进行中间故事情节的拓展，得到第二故事文本，因此，本发明实施例的故事情节拓展方法、设备及存储介质，能基于现有的故事文本进行故事拓展。

摘要： 本发明提供了一种基于多模态事件知识图谱的溯因推理方法，有机混合了事件知识图谱和多模态知识图谱的本体层和事实层，使事实知识可以通过多模态事件知识图谱的形式存储和使用，丰富了现行的知识组织和使用形式；同时对ege‑RoBERTa模型进行拓宽，增加了额外知识接口以及卷积自编码器训练通道，使其可以支持多模态事件信息作为额外知识辅助推理，得到更好的推理结果。

摘要： 本发明涉及一种基于时间关联溯因推理的化工过程报警根源诊断方法，所述方法包括报警数据的实时采集、报警数据预处理、化工过程拓扑模型建立，时间约束网络的形成，基于溯因推理的报警根源诊断，故障路径显示以及辅助决策界面的显示输出，基于时间关联溯因推理方法。该种基于时间关联溯因推理的化工过程报警根源诊断方法，包括报警数据的实时采集、报警数据预处理、化工过程拓扑模型建立，时间约束网络的形成，基于溯因推理的报警根源诊断，故障路径显示以及辅助决策界面的显示输出，基于时间关联溯因推理方法，能够将化工过程中的关联性与时间相结合，准确的得出报警根源及故障路径，同时可以利用辅助决策为操作人员提供帮助信息。

摘要： 本发明提供基于预训练模型的交叉聚焦损失的溯因推理方法，包括：将观测对O1和O2与所有假设的结合，得到输入序列；将输入序列中的单一输入变量输入预训练模型，得到对应句子级别的特征矩阵，然后对特征矩阵的单词维度求和，得到特征向量；遍历输入序列中所有单一输入变量，得到特征向量序列；将特征向量序列输入双向长短期记忆网络，获取到分布式特征表示，再利用全连接层进行映射求和得到每个输入的分数；将输入序列中N个标签为真的值分别与所有标签为假的值组成N组，并进行组内softmax，得到交叉预测值；引入聚类因子和引入权重因子，改进FocalLoss，得到训练损失函数；优化所述训练损失函数，得到最优的溯因推理模型。

摘要： 本发明涉及一种基于带类型关系路径嵌入模型的对附带OWL 2 DL本体的知识图谱进行事实溯因推理的方法，属于人工智能领域。本发明的主要特征在于先根据知识图谱中的事实和附带的OWL 2 DL本体计算知识图谱中所有长度不超过人工设定的邻域阈值ρ的频繁关系路径，再根据知识图谱蕴含的事实和负采样的虚假事实学习预测知识图谱事实的带类型关系路径的嵌入模型，最后根据给定的观察事实，计算最大可能推导观察事实的带类型关系路径，并将该带类型关系路径转换成带变量的三元组集合计算给定事实的溯因解释。发明内容主要包括频繁关系路径集的计算、虚假事实的负采样、带类型关系路径的嵌入模型学习，以及最大可能推导给定事实的带类型关系路径的计算。本发明为附带复杂而不完备本体的知识图谱提供一种实用的事实溯因推理方式，适用于知识图谱的事实验证，保证知识图谱的构建质量。

摘要： 本发明涉及一种针对附带OWL 2 DL本体的知识图谱的谓词解释模板驱动的事实溯因推理方法，属于人工智能领域。本发明的主要特征在于生成本体中每个谓词的解释模板，并利用这些解释模板对给定的新事实进行溯因推理，返回匹配解释模板的所有最小溯因解释。发明内容主要包括交替产生可推断事实的解释及其所属谓词的解释模板、引入个体重写机制抽取包含解释全集的知识图谱模块以加速解释模板的生成，以及基于解释模板计算给定事实的最小溯因解释。本发明为附带复杂本体的知识图谱提供了一种实用的溯因推理方法，适用于知识图谱的事实验证，保证知识图谱的构建质量。