深水浊积复合水道砂体内部建筑结构随机模拟——基于多点地质统计学与软概率属性协同约束方法

结合地质认识将研究区深水浊积复合水道细分为主水道、水道侧缘、天然堤和侧积泥等4类建筑结构要素,应用多点地质统计学与软概率属性协同约束方法随机模拟得到了深水浊积复合水道砂体内部建筑结构,在此基础上对建筑结构要素控制下的储层物性进行了模拟。结果表明,多点地质统计学与软概率属性协同约束方法所得随机模拟结果较好地体现了深水浊积复合水道的空间结构、几何形态以及物性分布特征,可以为油田后期层内挖潜剩余油提供参考依据。

基于软概率的最小风险贝叶斯决策

为有效处理限制样本、非随机稳定信息下的不确定型决策问题,文章提出了一种基于软概率的最小风险贝叶斯决策方法:确定先验信息中各状态的软概率区间值,利用区间概率下的贝叶斯风险模型输出各后验状态的区间值决策结果,利用基于可信度的区间数排序方法对结果按照风险大小进行排序,从而实现决策风险最小化的后验状态判定,同时,随着新样本信息的加入,决策结果会相应动态调整,更趋确定。同时,用案例验证了该方法的合理性和可行性。

基于改进概率软逻辑模型的高校学生状态推理方法

随着高等教育的普及,各类管理决策需求增加,基于数据驱动和知识驱动的决策方法成为新的发展趋势。基于此,提出了一种通过改进概率软逻辑模型挖掘知识规律和推理学生状态的方法,该方法通过引入规则挖掘算法,赋予概率软逻辑模型自动挖掘规则的能力。在真实学生状态数据上的实验结果表明,该方法在多项目标关系的推理上,准确率能达到80%以上,并且多层次推理结构的实验效果优于非层次推理结构的实验效果。对于学生状态类非完整知识库数据的挖掘和推理,该方法减少了人工工作量,降低了因人为认知偏差带来的不确定性。

基于概率软逻辑推理模型的高校贫困生识别

贫困大学生作为一个特殊群体在高校大学生中占有较高比例,国家对于高校资助工作的开展一直高度重视。如何精准识别大学生的贫困程度并为其提供资助是众多高校一直着力解决的长期性问题。该研究提出了一种基于概率软逻辑推理模型来预测大学生贫困等级的方法,该方法通过软约束构建规则和逻辑谓词方式将人为可理解的贫困生判别标准和常识引入概率软逻辑推理模型进行推理预测。在高校学生真实数据上的大量实验表明,该方法的识别正确率可达到90%以上。此外,与支持向量机、逻辑回归、决策树等机器学习算法相比,该方法具有更高的推理识别精度,因此,对于大学生的贫困程度识别该方法具有巨大的潜力。

规则半自动学习的概率软逻辑推理模型

概率软逻辑(PSL)作为一种基于声明式规则的概率模型,具有极强的扩展性和多领域适应性,目前为止,它需要人为给出大量的常识和领域知识作为规则确立的先决条件,这些知识的获取往往非常昂贵并且其中包含的不正确的信息可能会影响推理的正确性。为了缓解这种困境,将C5.0算法和概率软逻辑相结合,让数据和知识共同驱动推理模型,提出了一种规则半自动学习方法。该方法利用C5.0算法提取规则,再辅以人工规则和优化调节后的规则作为改进的概率软逻辑输入。实验结果表明,在学生成绩预测问题上所提方法比C5.0算法和没有规则学习的概率软逻辑具有更高的精度;和纯手工定义规则的方法相比,所提方法能大幅降低人工成本;和贝叶斯网络(BN)、支持向量机(SVM)等算法相比,该方法也表现出不错的效果。

基于概率软逻辑的多层次识别和推理

随着全球老龄化人口增长,老年人的日常行为监管和护理也成为极具挑战性的社会问题。为了应对这种不断增长的社会需求,提出了一种由数据和知识共同驱动、使用概率软逻辑(probabilistic soft logic)和多层次分析对老年人的日常活动进行建模的方法,来解决老年人护理中的活动识别问题。实验表明,该方法在活动识别和异常活动检测上比隐马尔可夫模型能产生更高的精度,并且比非层次识别方法具有更快的响应速度。

基于概率软逻辑模型的实体解析

在马尔科夫逻辑网(MLN)的实体解析算法中任意闭原子采用硬约束,导致推理及权重学习过程较难收敛到最优解,降低解析精度及执行效率。为此,提出一种将概率软逻辑(PSL)模型应用到实体解析中的方法,该模型中闭原子采用软约束,易于进行知识推理与权重学习。阐述PSL模型基本理论,通过实体关系、实体属性、本体约束构造PSL模型的逻辑规则,描述实体解析的匹配过程,根据PSL模型的推理机制实现实体解析的决策过程。实验结果表明,与基于MLN的实体解析算法相比,该方法可大幅提高实体解析的准确率、F1值及执行效率。

基于软语音存在概率的噪声互功率谱估计

针对目前已有的改进相干滤波语音增强系统中噪声互功率谱估计方法运算效率低、准确性不足的问题,提出一种基于软语音存在概率的噪声互功率谱估计方法。通过计算语音信号的固定先验软语音存在概率代替语音活动检测器,得到噪声互功率谱的无偏估计值,以改善估计的准确性,同时还可避免复杂的偏差补偿值计算,使算法计算量得以减小。仿真实验结果表明,所提出的噪声互功率谱估计方法在应用于改进相干滤波语音增强系统时有更好的感知语音质量评价得分,且运算用时更短。

加氢裂化过程软测量建模研究综述

加氢裂化是目前石油炼制工业中最为重要的原油再加工过程,也是重油轻质化、商品油生产的核心工艺之一。介绍了重油加氢裂化的监测过程,对加氢裂化过程软测量的背景和产生原因进行了分析。针对重油加氢裂化过程高精度控制和节能优化中存在的三个关键问题进行综述,主要包括:系统多变量、非线性导致的多特征尺度问题;加氢裂化过程具有多个稳定工作点、非概率输出难以指导生产的问题;工艺过程易受缺失样本和离群样本因素的干扰。

基于模糊规则和神经网络的新能源消纳数据清洗研究与应用

为了充分挖掘和高效利用新能源的消纳空间,需要在调度控制时考虑广域量测、环境、气象以及社会等多源信息。数据清洗是使用这些数据的前提,提出了一种数据清洗技术,分析了新能源消纳能力计算的数据来源以及数据间的隐含关联,将其转换为PSL形式的模糊规则,构建了面向新能源消纳数据清洗的神经网络。以张家口市张北县2020年风电数据为例进行数据清洗。结果表明:数据清洗并修复后的数据正确率达到98.3%,该技术能够有效地利用多源信息的关联映射关系,实现对不良数据的有效甄别。研究结果可为各方参与新能源建设和开展新能源价值挖掘提供可靠的数据支撑。

体现辨证论治差异的不孕症知识图谱构建方法研究

不同医家在辨证论治、辨证结果及用药习惯上存在差异,目前已有的知识图谱只对辨证论治知识进行关联与表达,不能直观地体现辨证论治差异。以6位医家的不孕症知识图谱为基础,通过引入“医家”与“关联强度”两种关系属性,构建一个整合多位医家辨证论治知识并直观体现差异性的知识图谱。在PageRank算法对不孕症数据进行预处理的基础上,通过对辨证论治过程自定义逻辑规则,利用概率软逻辑推理关联强度。建立基于关系图注意力网络的知识融合模型,考虑关系对实体含义表达的影响,通过关系图注意力网络层加权传播与聚合邻居实体信息,得到更丰富的实体向量表示从而实现不孕症知识融合。实验结果表明,该模型具有较好的融合能力,在朱南孙-钱伯煊数据集上Hit@1、Hit@10、Hit@30、MeanRank均取得较好结果,分别达到45.63%、60.85%、91.55%、0.564。通过构建体现辨证论治差异的不孕症知识图谱,可以系统地建立多位医家辨证论治知识之间的关联,对中医个性化知识的传承与发展具有重要意义。

基于MOOC的学生参与在线课程模式研究

本文针对MOOC在线学生的行为,分析数据模型,建模学生参与行为,提出基于学生行为开发用于理解学生参与在线课程的框架,研究潜在学生在三门MOOC课程中坚持下来的模式,预测学生在课程前期的生存状况,对以用户与MOOC交互和课程的不同点识别学生活动的指标作进一步的定量分析。

面向开放式信息抽取系统的知识推理验证

开放式信息抽取系统是从Web等非结构化文本中挖掘知识的主要途径,但其抽取结果往往存在大量噪声,对知识发现以及知识库构建产生较大影响。提出一种基于概率软逻辑模型的知识推理验证方法,该方法首先使用一阶逻辑语言对知识抽取结果进行转化和推理,并且在推理过程中引入本体规则进行约束,在此基础上,建立推理规则的自动学习机制,解除传统规则推理对于实体解析规则的依赖,进而实现对知识的自动推理和验证。经实验对比验证,该方法具有更优的算法性能,实现了规则的自动学习,提高了知识推理效率,对验证知识的语义规范性和正确性有积极作用。

基于概率软切换的两级双模盲均衡器

文中提出一种基于概率软切换的两级双模盲均衡器。它实时统计两级盲均衡器输出硬判决值相同的概率,并利用它切换盲均衡算法。该均衡器结合了级联两级均衡结构和双模算法的优点。仿真表明,它能够纠正相位偏移,相对于波特间隔(BSE)的并发常模+判决导引(CMA+DD)盲均衡器,以非常小的计算复杂度代价,获得稳态均方误差(MSE)性能和误比特率(BER)性能的较大提高。

一种基于第一路信息流解调信息进行双流信号解调的方法

为了降低双流通信系统接收端的信号处理复杂度,提出了一种基于第一路信息流解调信息进行双流信号解调的方法。该方法在接收端对接收到的两路信息流中的第一路解调后,获得相应的解调信息,并将该解调信息迭代回求出第一路信息流对应的发送信号以获得反馈符号流;再根据反馈符号流依次进行干扰消除和合并以获得合并信号,并据此对第二路信息流进行单符号解调处理以获得第二路信息流的概率软信息;最后将概率软信息进行解码以获得第二路信息流的解调信息。该方法降低了处理复杂度,可以保证接收端的解调性能。

基于多层反卷积网络的SAR图像分类

针对传统特征提取方法不能提取目标高层结构特征的问题,提出了一种基于软概率的池化方法,结合多层反卷积网络,学习目标的高层结构特征,并将其用于合成孔径雷达(SAR)图像分类。首先对SAR图像进行子块划分,然后对每个子块进行基于多层反卷积网络的特征编码,学习出不同层次上的图像特征,最后将该特征用于支持向量机(SVM)分类器,实现SAR图像的分类。在国内首批SAR数据上的实验表明,该算法获得了较高的分类准确率。