描述逻辑ALC中的ABOX反绎推理算法

鉴于已有的描述逻辑ALC中ABOX反绎推理算法需要转化到FOL上处理,涉及了大量变元和Skolem项的使用。ALC-Tableau可以避免大量变元和斯科伦项,给出了一种直接在ALC上处理ABOX反绎推理问题的算法。该算法将ABOX反绎推理问题转化为知识库的一致性问题,在此基础上结合反绎推理的自身特性对传统的Tableau构造过程进行扩充,最终借助一个回溯过程找出反绎问题的所有解。

基于反绎推理的券商风险控制专家系统研究

文章运用证券业风险控制理论及多年积累的券商营运风险控制经验,提出券商运营风险控制的相关数学模型,利用面向对象设计思想建立模型库,引入确信度概念及Stanford确信度代数反绎推理机制,建立券商风险控制专家系统,并根据这一专家系统,实现对财富证券各营业部、总部各业务部门运作情况及总部各经营管理指标进行实时监控、实时风险评估,及时防范与化解风险。

带拒绝推理的反绎学习方法

近年来,许多研究工作致力于将数据驱动的机器学习和知识驱动的逻辑推理相结合,以提高机器学习的性能.其中,不少工作尝试利用反绎推理,将机器学习与逻辑推理融合到一个框架中.这些方法通过机器学习模型生成伪标记,然后利用反绎推理来修正不一致的伪标记,以更新机器学习模型并多次迭代.然而,反绎中可能会存在错误标记,这些标记会对模型训练产生负面影响且难以被发现.因此提出一种带拒绝推理的反绎学习方法,它同时考虑反绎标记的模型不确定性和推理不确定性,从数据层面和知识层面综合评估反绎结果的可靠性,并通过拒绝部分反绎推理结果来避免不可靠的反绎标记对模型训练的负面影响.实验表明,提出的方法可以减少错误反绎标记的比例、加速反绎学习的训练并带来更好的性能.