信息传播网络推断综述

信息的传播扩散可以建模为在潜在传播网络上发生的随机过程。由于在实际应用场景中,潜在的传播网络拓扑结构和清晰的传播过程往往是不可见的,因此根据观测到的传播结果,如节点感染时间、状态等信息,推断传播网络拓扑结构,对于分析与理解传播过程、跟踪传播路径以及预测未来传播事件起着重要作用。近年来,传播网络推断问题吸引了众多研究者的目光。文中对近年来的信息传播网络推断工作进行系统性的介绍和总结,为传播网络推断提供一个新视角。

基于条件变分推断与内省对抗学习的多样化图像描述生成

现有多样化图像描述生成方法受到隐空间表示能力和评价指标制约,很难同时兼顾描述生成的多样性和准确性.为此,本文提出了一种新的多样化图像描述生成模型,该模型由一个条件变分推断编码器和一个生成器组成.编码器利用全局注意力学习每个单词的隐向量空间,以提升模型对描述多样化的建模能力.生成器根据给定图像和序列隐向量生成多样化的描述语句.同时,引入内省对抗学习的思想,条件变分推断编码器同时作为鉴别器来区分真实描述和生成的描述,赋予模型自我评价生成的描述语句的能力,克服预定义评价指标的局限性.在MSCOCO数据集上的实验表明,与传统方法相比,在随机生成100个描述语句时,多样性指标mBLEU(mutual overlap-BiLingual Evaluation Understudy)提升了1.9%,同时准确性指标CIDEr(Consensus-based Image Description Evaluation)显著提升了7.5%.与典型多模态大模型相比,所提出方法在较小参数量的条件下更适用于生成多样化的陈述性描述语句.

基于Bayes推断的交流接触器剩余电寿命预测

针对交流接触器可靠性开展研究,首先分析交流接触器的电弧侵蚀机理,建立了计及电弧电压及电弧重燃影响的电弧侵蚀模型,根据该模型仿真得到的交流接触器性能退化特征参量变化过程与交流接触器的实际退化规律一致。分析不同工况下性能退化数据特征,提出了不同工况下先验信息的等效折算方法,解决了不同工况下的先验信息利用问题。建立了基于Bayes推断的交流接触器剩余电寿命预测模型,提高了剩余电寿命预测精度,实现了利用不同工况下性能退化数据对交流接触器进行剩余电寿命预测。在AC-4、AC-3两种工况下进行了交流接触器电寿命仿真分析及实验分析,相对误差均小于5.5%,验证了方法的准确性。

贝叶斯推断视角的系统调控内涵与策略研究

系统调控思想是融合一般系统理论及复杂系统自组织等理论,倡导通过建构与演化结合,对系统整体进行调控与管理,从而达至系统目标及实现系统和谐有序的一种理论。系统调控思想在认知及推断角度与贝叶斯推断有异曲同工之妙。贝叶斯推断的认识论意蕴及演绎与归纳确证逻辑从逻辑角度分析并论证了系统调控思想中建构及演化策略结合的必要性,为系统调控思想提供了理论基础。基于贝叶斯推断视角,文中给出增强先验知识、加强过程学习等5类调控策略。

遥感统计推断理论与应用初探

提出一种新的介于遥感分类(定性分析)与遥感反演(定量分析)之间的遥感定性-定量分析方法,即遥感统计推断。遥感统计推断在理论上基于统计光学和概率分布变换,主要研究在一定区域范围内的地物参数的概率分布特征(如土壤的湿度、温度,水体盐度、叶绿素浓度等)如何改变和影响传感器所观测到的光学参数(如地表反射率、水体的遥感反射率等)的概率分布特征(称之为光谱概率分布),以及如何基于传感器观测到的光谱概率分布去反向推断地物参数在此区域内的统计分布特征,从而为刻画地物参数提供相应的定性与定量信息。相比于传统的遥感分类和反演,遥感统计推断的优点在于:(1)能够快速地获取地物参数的全局统计特征,如均值、方差、极值等等,而不需要反演分析每一个像素光谱,这一优点对于当前很多基于大数据、高分辨率的遥感应用尤为重要,因为有些应用部门的管理人员最感兴趣的往往是管理对象(如湖泊、水库、农田)的整体特征,他们并不需要知道在每一个像素处的地物参数的大小;(2)地物的光谱概率分布可以直接用于地物的分类研究,提供了一种有别于基于像素光谱签名特征的传统遥感分类的新分类方法,这种方法提供的是研究区域的整体分类(如一个湖泊的分类)而不是每个像素的分类(如水质的分类);(3)遥感统计推断可以为遥感反演建模提供辅助信息,基于这些信息调整反演模型的函数和/或参数,使得反演模型结果的统计特征与遥感统计推断的结果相匹配。该文简要介绍了遥感统计推断的一些基本概念、原理以及其相较于遥感分类和反演的优势、推断的适用对象和面向推断的遥感数据处理方法,分析了国内主要湖泊水体的光谱概率分布特征,并基于杭州西湖实地采测数据,提出了一种基于自展法(bootstrap-based)的用于推断关键统计分布参数(例如西湖悬浮颗粒浓度的平均值)的简易遥感统计推断方法。

基于单细胞RNA测序数据的基因调控网络推断算法综述

通过基因表达的变化可以推断基因调控网络.单细胞RNA测序(scRNA-seq)为推断细胞周期或分化等时间依赖性生物过程的基因调控网络提供了新的可能性,基于scRNA-seq数据的基因调控网络推断算法成为一个相对活跃的研究方向.本文首先对26种基因调控网络推断算法进行介绍,包括3种针对批量RNA测序数据的推断算法和23种针对scRNA-seq数据的推断算法(基于布尔网络的算法2种、基于微分方程的算法3种、基于伪时序基因相关性集成策略的算法5种、基于共表达基因的算法4种、基于细胞特异性的算法3种、基于深度学习的算法6种),详细描述了每类算法的方法原理和算法优缺点,对算法进行综合比较;然后分析了推断算法比较研究的相关成果,并使用scRNA-seq数据简单评估了26种算法的性能;最后探讨当前基因调控网络推断算法面临的机遇与挑战.

基于局部变分贝叶斯推断的分布式交互式多模型估计

针对目前部分多模型算法预先设定运动模型转移概率矩阵对状态估计精度的不利影响,本文提出了一种基于局部变分贝叶斯推断的分布式交互式多模型估计算法.不同于传统交互式多模型估计中运动模型转移概率矩阵为先验已知的假设条件,在分布融合估计框架下,首先基于最小化Kullback-Leibler散度准则的递归优化策略实现对运动模型转移概率矩阵的预测与更新;在此基础上,结合变分贝叶斯推断实现对当前时刻目标状态与模型概率的联合估计;最后依据协方差交叉融合策略完成对局部状态估计融合.仿真结果表明:新算法通过对运动模型转移概率矩阵以及模型概率自适应在线估计,有效提升了机动目标的状态估计精度.

权重推断与标签平滑的轻量级人脸表情识别

针对轻量级网络在复杂环境下对面部表情的特征提取不够充分、模型参数存在冗余以及单标签数据集无法有效描述复杂情感倾向所带来的歧义表情等问题,提出了一种结合改进ShuffleNet与标签平滑学习的人脸表情识别方法。通过对原始网络的分析与剪裁,得到了改进后更紧凑的K5_Light_ShuffleNet,不仅优化了网络参数,还提高了模型的表征能力。为了增强模型对人脸表情图像局部细节特征的提取能力,抑制非表情特征,在模型中嵌入了设计的轻量化通道空间关键权重推断模块。通过标签平滑学习方法,在不引入额外信息的前提下,利用软标签分布监督网络的学习,以减少由于歧义表情对识别性能所带来的不利影响。实验结果表明,在公开的RAF-DB、AffectNet-7和AffectNet-8数据集上分别达到了86.91%、61.80%和58.75%的表情识别准确率,相较于目前其他人脸表情识别方法,其识别率有一定提高,同时模型参数量和计算量均保持在较低水平,利于其在实际中的应用。

应用法医微生物学推断死亡时间研究进展

死亡时间推断一直是法医学领域的重点和难点问题。研究发现尸体微生物群落演替规律与死亡时间之间呈现高度相关,其可为死亡时间推断提供新方法。近年来,国内外学者利用法医微生物学理论与方法对存在于不同环境中的尸体死亡时间推断进行了大量研究,丰富了死亡时间推断方法,提高了死亡时间推断的准确性。本文就暴露、埋藏和水中三种环境下尸体菌群演替规律的异同进展作简要综述,以期探讨不同环境下利用法医微生物学推断死亡时间的研究现状、所面临的问题及应用前景。

基于真实世界数据的观察性因果推断研究新框架(目标试验模拟)及其在中医药领域中的应用展望

“目标试验模拟”(target trial emulation)作为一种新的真实世界研究框架在近年来被正式确立,其可用于指导基于真实世界数据开展观察性因果推断研究,继而进行医疗干预有效性和安全性评价。该框架的核心思想是参照随机对照试验的原则,利用真实世界数据模拟相应的随机对照试验,进而得出干预措施与临床结局间因果关联的结论。其主要实施要点可总结为“3⁃7⁃2”,即声明因果问题、制订模拟方案和模拟目标研究3个实施步骤,纳排标准、治疗策略、干预分配、随访期、结局指标、因果比较和分析计划7个设计要素,对永恒时间偏倚和现用药者偏倚2个关键偏倚的控制。本文通过对该框架的历史与现状、实施要点、经典案例、优势与局限性及其在中医药领域中的应用前景进行概述,以期帮助中医药学者开展中医药真实世界研究,并为构建具有中医药特色的临床评价体系提供新思路。

基于机器学习和颅缝CT-MPR技术的北方成人年龄推断

目的运用CT和多平面重组(multiplanar reformation,MPR)技术获取颅缝断层图像,建立中国北方汉族成人年龄推断模型,探讨颅缝闭合规律在中国北方汉族人群年龄推断中的适用性。方法回顾性收集29~80岁健康北方汉族成人头部CT样本132例。对颅骨进行容积重组(volume reconstruction,VR)和MPR,每例样本生成160张颅缝断层图像。根据颅缝闭合分级标准对颅缝MPR图像进行评分,分别计算矢状缝、左右侧冠状缝和左右侧人字缝的平均闭合等级。以上述等级为自变量,建立北方汉族成人年龄推断的线性回归模型和梯度提升回归、支持向量回归、决策树回归和贝叶斯岭回归4种机器学习模型,并评估各模型推断年龄的准确性。结果各颅缝闭合等级均与年龄呈正相关,其中矢状缝相关性最高。4种机器学习模型年龄推断的准确性均高于线性回归模型,其中支持向量回归模型的准确性最高,平均绝对误差为9.542岁。结论机器学习模型和颅骨CT-MPR技术可联合用于中国北方汉族成人的年龄推断,但在法医学实践中仍需与其他成人年龄推断指标联合使用。

脉冲干扰下基于变分贝叶斯推断的水声正交频分复用联合估计方法

脉冲干扰环境下水声正交频分复用通信性能严重下降,为此提出了基于变分贝叶斯推断的信道估计方法。该方法利用水声信道和脉冲干扰的稀疏特性,基于平均场变分贝叶斯推断,将信道向量和脉冲干扰向量的后验概率分布分别分解为简单概率分布进行拟合,基于导频子载波迭代直至收敛,得到信道和脉冲干扰的最大后验估计。所提方法改进了基于稀疏贝叶斯学习的干扰、信道联合估计方法中信道和干扰构成的联合向量无法分离二者稀疏度的问题,并且显著降低了计算复杂度。在此基础上,进一步提出了基于变分贝叶斯推断的干扰、信道和符号联合估计方法,将未知符号融入变分贝叶斯推断框架,与干扰和信道一起迭代,最终得到更精确的符号估计。仿真和试验结果验证了所提算法的有效性,与现有方法相比,本文所提方法具有更低的误码率和复杂度。

基于磁共振成像技术的牙龄推断研究进展

牙龄推断是法医学年龄推断的重要内容和实现路径之一,影像技术是牙龄推断的重要技术手段。近年来,有研究初步证实了MRI在评估牙发育方面的可行性,该技术为牙发育评估提供了新的视角和可能性,有望成为更安全且准确的牙龄推断技术手段,但仍需进一步验证其准确性和适应性。本文综述了MRI技术在牙发育和年龄推断中的研究现状、研究瓶颈和局限性,为基于MRI技术的牙龄推断研究提供参考和借鉴。

基于潜高斯过程引入理论先验的钛合金结构件残余应力场推断方法

残余应力(Residual stress,RS)是导致钛合金结构件加工变形的主要原因。钛合金结构件的残余应力包括初始残余应力(Initial residual stress,IRS)和加工表层残余应力(Machined surface residual stress,MSRS),其中,MSRS是加工表层区域的IRS与高水平的加工残余应力(Machining‑induced residual stress,MIRS)耦合作用的结果。结构件的加工变形控制是航空航天工业亟需解决的重要问题,准确获取结构件残余应力场的是加工变形精确预测和控制的基础。然而,现有的残余应力预测方法难以考虑零件制造过程中的各种不确定性,导致预测精度有限。现有的测量方法仅能在样件中测量局部的残余应力,对于大型结构件残余应力场测量,测量效率低。针对以上挑战,本文提出了一种贝叶斯框架下同时推断钛合金结构件IRS和MSRS的方法。该方法将不可观测的IRS和MSRS建模为潜高斯过程,将不同区域的MSRS场之间存在相关性这一先验知识通过具有共享协方差的核函数融入潜高斯过程,并利用可观测的变形力对残余应力场进行推断。本方法提供了一种从概率角度利用变形力数据推断零件残余应力场的有效手段,为后续变形控制策略优化提供了可靠依据。

基于因果推断的推荐系统去偏研究综述

推荐系统是解决信息过载的重要技术之一.然而,推荐系统中存在各种各样的偏差问题,影响了对用户真实偏好的建模,制约了推荐性能的提升.近年来,因果推断理论的发展为分析和解决推荐系统偏差问题提供了有力的支持.因果推断是一种从观测数据中识别变量之间因果关系和估计因果效应的统计学方法,通过构建和分析因果模型,帮助推荐系统识别和消除偏差,提高对用户偏好拟合的准确性.本文对基于因果推断的推荐系统去偏研究的主要工作进行了全面的综述.本文根据推荐系统的不同阶段将偏差的产生分为三个阶段;首先,概述了因果推断的原理和方法,并阐述了因果推断与推荐去偏之间的联系,为缓解偏差问题提供了思路;接着,针对每一阶段的偏差,探讨了现有的因果推断技术如何应用于推荐去偏,分类和归纳了现有的因果推荐去偏方法,并进行了详细的对比分析;最后,讨论和展望了基于因果推断的推荐系统去偏研究未来的发展趋势.

基于贝叶斯统计推断的粗集料级配测试研究

拌合站现场粗集料来料的检测一般是通过筛网筛分的方式进行,检测效率低下。因此,引入一种基于贝叶斯统计推断的机器视觉检测方法,实现对集料的快速筛分。利用工业相机采集下落过程中的集料颗粒并进行图像预处理,选取每颗集料的图像序列中最大的Feret短径作为图像特征。此特征为集料颗粒的局部特征,无法代表颗粒的全局三维特征。因此引入贝叶斯统计推断的方法,首先利用贝叶斯公式计算出每颗集料在不同实际粒径区间的后验概率,然后通过概率累加获得被测集料在不同集料规格的可能颗粒数量。为推断每颗集料级配占比,利用贝叶斯推断的方法计算后验分布,从而估计集料颗粒的占比情况。实验结果表明,预测粒径与实际粒径的分布占比最大偏差为1.67%,符合现场快速检测要求。

Demirjian法结合机器学习算法推断北方汉族儿童及青少年牙龄

目的探讨Demirjian法结合机器学习算法在北方汉族儿童及青少年牙龄推断中的应用价值。方法收集10256例我国北方汉族5~24岁人群的口腔全景片,运用Demirjian法对左下颌8颗恒牙的发育进行分期,并结合支持向量回归、梯度提升回归、线性回归、随机森林回归和决策树回归等多种机器学习算法,分别基于总样本、女性样本和男性样本构建年龄推断模型,并评价不同机器学习算法在3组样本中的拟合性能。结果对于总样本和女性样本,推断准确率最高的模型均为支持向量回归模型;对于男性样本,推断准确率最高的模型为梯度提升回归模型。最佳年龄推断模型在总样本、女性样本和男性样本的平均绝对误差分别为1.2463、1.2818和1.1538岁。最佳年龄推断模型对各年龄区间的推断准确率不同,对于18岁以下人群的年龄推断相对准确。结论本研究构建的年龄推断机器学习模型在我国北方汉族儿童及青少年中具有较好的准确率,但在成年人群中的推断效果不理想,可以考虑联合其他变量以提高年龄推断的准确性。

标记相关性修正的多标记众包标签推断方法

众包平台的快速发展使人们获取数据标签变得较为容易,但由于标记者的知识水平、评价标准等均存在显著差异,导致获得的标签质量参差不齐.特别是对于多标记数据,由于每个样本可能有多个不同标记,且不同样本的标记数量不同,所以通过众包标注获取多标记数据的标签时,标注者很难为每个样本提供完整准确的数据标签.针对多标记众包标签推断问题,提出基于标记相关性修正(Label Dependence Correction,LDC)的多标记众包标签推断框架,首先使用单标记众包标签推断算法给出每个标记的初步推断结果,然后通过度量标记间的相关性更新和纠正不可靠的初始标记推断结果.实验结果表明,与经典的众包多标记方法相比,本文提出的框架与单标记算法融合后可以有效提升多标记众包标签推断的性能.

高斯因子结构变分推断的导弹轨迹学习与估计

针对具有非线性批量状态的弹道导弹的状态难以预测和高斯变分推断估计方法存在迭代误差大、估计时间久等缺点,提出一种具有因子结构协方差的高斯变分推断方法.通过对协方差进行分解,将所有参数之间的协方差关系转化为矩阵中部分主要参数之间的联系.同时采用随机梯度上升方法、重参数化技巧以及自适应学习率方法对变分下界以及变分参数进行迭代优化,获取最优参数.通过该算法对导弹状态估计实例分析,并与基于高斯变分推断的状态估计算法进行了比较.结果表明,提出的具有因子协方差结构的高斯变分推断方法,仿真计算时间平均缩减了23.6%,能够有效地提高导弹状态估计的计算效率,降低了计算误差.

从毒理学与流行病学的融合看因果推断和暴露风险评估研究

毒理学与流行病学在探讨环境暴露与健康和疾病的关系中发挥着关键作用。然而,它们都存在固有的局限性。毒理学与流行病学相互融合,可以更全面地探索暴露与健康效应的因果关系,定量评估暴露所致的风险。本研究回顾性分析了毒理学与流行病学各自的优势和局限性,以及既往研究中两学科结合的模式,并对未来的发展方向提出思考,旨在为相关研究提供理论依据和方法学框架。