基于变分自编码器的多隐变量双向推理模型

开放域对话系统的关键任务之一是生成丰富多样且连贯的对话回复,但是仅从上文信息进行单向推理无法达到这一目标。针对该问题,提出了基于多隐变量的双向推理模型MLVBI(Multiple Latent Variables Bidirectional Inference)。首先,在语言模型中结合变分自动编码器并将单向推理扩充到双向推理,将语料分割为上文、查询与回复后,使用正向推理从查询中推理出回复用于学习正常语序信息,同时使用反向推理从回复中推理出查询用于学习额外主题信息,最后融合成双向推理,使得模型生成更连贯的回复。其次,针对双向推理过程中单个隐变量解释能力不足的问题,引入多个隐变量进一步提高生成对话的多样性。实验结果表明,MLVBI在两个开放域数据集DailyDialog和PersonalChat上的准确性和多样性都达到了当前最佳的效果,并且消融实验也证明了双向推理和多隐变量的有效性。

基于双向推理的主体框架

文章提出了一个基于双向推理的主体框架FBRA,它是一个混合型的主体框架,主体既是反应的又是慎思的。它的推理内核是正向推理和反向推理相结合。正向推理用于对环境的反应,包括对其他主体的反应。反向推理基于溯因推理,用于信念修正、规划、多主体协调和多主体通信等。

基于双向推理的序贯性故障诊断技术

应用人工智能的推理方法,从部分征兆集的扩展出发,研究了基于部分征兆集的故障诊断理论.描述了序贯性故障诊断的具体算法.建立了部分征兆集的诊断数学模型.最后应用实例对其故障诊断过程和推理过程进行了详细的分析,这种方法对提高复杂设备故障诊断的准确性和效率具有重要的意义.

双向推理系统在初等几何自动解题中的实现

目前采用较多的初等几何自动推理方法是单向推理法(包括前向推理和后向推理),探讨将前推法与后推法结合起来进行初等几何的推理。实践证明,对较为复杂的几何问题来说,采用这种方法可以显著提高推理效率。

神经网络双向推理策略研究及其在故障诊断中的应用

首先分析了神经网络正向推理在故障诊断领域中存在的缺陷，进而引入了神经网络混合双向推理算法，并介绍了其在故障诊断中的应用，仿真结果表明，利用混合双向推理可以在保证诊断精度的前提下，减少征兆的输入数目。

双向推理在中考数学解题中的应用——以一类折叠问题为例

折叠问题是中考数学中常见题型,如何找到解题思路是解决问题的关键,本文以 2020 年安徽省中考题为例谈此类问题的解法。

一种基于模糊Petri网的双向并行推理算法

基于模糊Petri网的并行推理算法的矩阵维数越大,其算法的时间复杂度也就越高。针对反向搜索压缩模糊Petri网模型的相关理论和并行推理算法的特点,结合矩阵命令提出一种实现双向推理的矩阵运算机制,以及其对应的基于模糊Petri网的双向并行推理算法。在使用一般模糊推理算法的过程中,推理矩阵为(11×8)维的模糊Petri网模型,而使用改进算法进行双向推理时所涉及的推理矩阵阶数仅为(7×6)。实验结果表明,与一般的模糊推理算法和反向搜索算法相比,该算法能够提高整个推理过程的并行度,降低算法的时间复杂度,从而提高推理效率。

基于Vague集的双向近似推理

给出了一种新的Vague集间的相似度量方法 ,提出了Vague集间相似方向的概念 ,可以用它来描述两个相似Vague集中哪个所包含的信息更精确 ,并给出了一个判定方法 .在此基础上给出了一种基于Vague集的双向近似推理方法 ,该方法更好地利用了Vague集信息的精确性 ,从而提高了推理的精确性和适用性 。

一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的 Vague集的加权相似度量方法以解决文献 [1]中关于 Vague集相似度量的某些缺陷 ,并且提出了 Vague集间相似方向的概念 ,用它来描述两个相似 Vague集中哪个所包含的信息更精确 ,并给出了一个判定方法 .在此基础上给出了一种基于 Vague集加权相似度量的双向近似推理方法 ,该方法更好地利用了 Vague集信息的精确性 ,从而提高了推理的精确性和适用性 .这为智能系统中的近似推理提供了一个十分有用的工具 .

基于Vague集加权相似度量的双向近似推理

本文提出了一种新的Vague集的加权相似度量方法 ,以解决文献 [1 ]中关于Vague集相似度量的某些缺陷以及权向量中各个分量难以确定的问题 ,并且提出了Vague集间相似方向的概念 ,用它来描述两个相似Vague集中哪个所包含的信息更精确 ,并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量的双向近似推理方法 ,该方法更好地利用了Vague集信息的精确性 ,从而提高了推理的精确性和适用性。

基于Vague聚类规则的双向近似推理

在智能系统的研究与开发中 ,推理方法的计算复杂性是一个很重要的问题 .为了获得良好的推理效果和推理效率 ,就必须降低推理方法的计算复杂性 .为此本文首先给出了一个新的 vague集间的距离定义 ,然后给出了相似方向的概念及相似方向的判定方法 .在此基础上 ,提出了对 vague规则进行聚类 ,以及基于 vague聚类规则的双向近似推理方法 ,该方法更好地利用了 vague集信息的精确性 ,而且降低了推理的计算复杂性 ,从而提高了推理的精确性和适用性 .并用实例验证了该方法的有效性 .

一种基于Vague集间距离的双向近似推理方法

指出现有Vague(值)集间距离公式的一个缺陷.给出Vague(值)集间的一个加权距离公式.提出一种Vague集间距离的双向近似推理方法,实例表明该方法是可行的.

基于Vague集的双向近似推理

In this paper we propose a new similarity measures in order to overcome some problems in [1],and proposethe idea for similarity direction of vague sets by which to describe which one is more accurate between vague sets. Atsame time we propose a method to determine the similarity direction. Based on above,we present a new bidirectionalapproximate reasoning approach on vague set that fully uses the message accuracy of vague set. So this improves theaccruacy and applicability of approximate reasoning. This provides a useful tool for approximate reasoning in intelli-gence system.

基于Vague双向近似推理的系统决策方法

先提出Vague值间的一种新的相似度,并基于有序加权聚类(OWA)算子给出Vague集间的新的加权相似测度,其中的权重是由决策者根据实际决策需求来确定的,具有一定的弹性;另外通过Vague输入事实与Vague决策规则的前件(或后件)之间的相似匹配度,得到一个简单可行的双向近似推理方法,这可为复杂环境下的系统决策(如工业检测和医疗诊断等领域问题)提供有效的支持工具。

直觉模糊Petri网的双向模糊故障推理算法

针对故障诊断中故障现象与故障原因之间复杂的不确定关系,利用直觉模糊集表达不确定性信息的优势和Petri网的图形处理问题的能力,给出了基于直觉模糊Petri网的双向模糊故障推理算法。该算法首先利用反向直觉模糊推理算法对模型进行约减,查找故障原因,再利用正向直觉模糊推理算法对模型进行计算,输出结果。该算法既可将故障信息化繁为简,降低推理过程的时间复杂度,还能够使故障诊断的确定性程度得到进一步提高。汽车发动机诊断案例表明了所给双向直觉模糊推理算法的可行性和有效性。

基于Vague集间距离的双向近似推理

应用Vague(值)集间加权距离公式,提出了一种基于Vague集间距离的双向近似推理方法。实例表明该方法可行。

一个改进的基于区间值模糊集的双向模糊推理算法

本文引入有序权聚类算子(OWA)到区间值模糊集合的相似度度量中,提出了一种改进的双向模糊推理 算法。为采用此算法,文中给出了区间模糊集的加权匹配方向函数,最后通过一个实例说明算法如何灵活地 体现决策者的决策倾向。

基于二叉分类检索表正、反向推理的研究及应用

二叉分类检索表作为一种基本数据结构,被广泛地应用于病虫分类鉴定.为了能更灵活地应用二叉分类检索表作为知识推理进行病虫分类鉴定,提出在常规推理的基础上,融入反向推理和混合推理技术,将二叉分类检索表作为知识装入专家系统知识库,计算机可以利用它搜索分支结点以实现病虫辅助鉴定.开发研制出的病虫害辅助分类鉴定专家系统,可以实现系统的多元化功能,能满足用户多方面的需求.

基于BAM神经网络的推理研究

推理作为人工智能领域中的一个重要课题，是人类求解问题的主要思维方法。人们在处理问题或人工智能领域中进行推理机设计时，往往根据问题及所处环境不同，考虑不同的推理策略以提高其效果或效率。正向推理、反向推理及双向推理为三种基本的推理策略。双向联想记忆（ＢＡＭ）神经网络是一类具有双向稳定性的反馈系统，具有简单、可靠、易于实现的特点。将双向联想记忆（ＢＡＭ）神经网络用于推理是人工智能领域中进行推理机设计的新途径。在分析了ＢＡＭ网络用于推理，尤其是双向推理的理论依据上，研究了ＢＡＭ网络在不同推理策略下的运行方法，通过实例说明了该方法的运作方式，最后就存在的网络容量等问题进行了讨论，指出了进一步研究的方向。

TWIT:社交网络中局部信任值的双向计算

在线社交网络是移动互联网时代最成功的服务之一,好友的可信任程度成为用户首要关注的问题,针对如何避免个人信息被恶意用户窃取和泄露,提出了一种双向的计算局部信任值的算法TWIT(Two-Way algorithm to Infer Trust),从可信任用户与恶意用户两个方向综合推断用户间的信任值,并且考虑到朋友关系的可传递性,进一步结合机器学习中的分类算法提出了改进算法MTWIT,消除了必须存在网络路径这一前提限制,并且在信任值的推断正确率方面取得了一定的优势,同时确保了算法能够适应社交网络拓扑结构动态变化的特点。在新浪微博数据集上的实验结果充分说明了这一结论。