变分Bayesian推理的鲁棒稀疏相关向量机

相关向量机(relevance vector machine,RVM)是一种基于稀疏贝叶斯原理的分类和回归建模方法,具有泛化能力强、有效刻画数据不确定性以及参数设置简单等优点。然而,RVM假定权重矩阵和数据噪声均服从高斯分布,降低了RVM的鲁棒性和泛化性能。为此,提出一种变分Bayesian推理的鲁棒稀疏相关向量机建模方法,继承了RVM的优点,同时具有更好的鲁棒性和泛化性。该方法新颖之处在于:通过对权重矩阵分布施加Laplace分布以保证权重矩阵的稀疏性;通过对建模噪声施加学生分布约束以及自适应调节学生分布的自由度参数,较好地描述数据的不确定性,增强所提方法对复杂数据建模能力;引入变分Bayesian推理方法求取最优RVM模型参数和超参数。仿真结果证明所提算法具有良好的鲁棒性和稀疏性,优于现有的变形RVM算法。

Bayesian推理在远程答疑专家系统中的应用

介绍了基于Bayesian推理的远程答疑专家系统RQAES的系统结构及其工作原理 ,重点分析了Bayesian推理与决策的方法及知识表示与知识库设计技术。系统具有自学习、个性化的特点 。

基于消息传播的Bayesian推理算法研究

利用网络结构特性和条件独立性之间的关系设计推理有效方法,是Bayesian网络推理的主要研究内容.各种推理算法的区别主要在于计算速度.在深入讨论已有算法的基础上,设计并实现了基于消息传播的Bayesian推理算法,有效地降低了推理过程中运算的时空复杂度.

基于事故表征和案例推理的煤矿瓦斯爆炸预测研究

为更好地通过案例预测煤矿瓦斯爆炸事故结果,在融合事故树分析和防御性悲观思想后,提出煤矿瓦斯爆炸事故表征方法,包括事故表征结构模型、表征规范和案例库编码规则;为提升案例推理精度,通过专家置信度改进层次分析法的主观影响,提出针对不同类型表征信息的相似度计算方法,引入时间衰退系数修正案例时效性。通过山西某煤矿瓦斯爆炸事故案例对该方法进行验证,结果表明,该方法的预测结果与实际结果相吻合,并能推荐事故预防措施。研究结果可为煤矿安全管理提供支持。

嵌套集合建模能力和数字表征对儿童贝叶斯推理的影响

为进一步探讨数字表征对贝叶斯推理的影响,特别是自然频数促进效应的作用机制,以285名小学生为被试,考察不同嵌套集合建模能力儿童在解决三种数字表征的贝叶斯推理问题时的表现。结果发现:(1)具有高嵌套集合建模能力的儿童能更好地解决贝叶斯推理问题;(2)相比于概率和几率格式,儿童在自然频数格式下的推理表现更好;(3)概率格式下高低嵌套集合建模能力被试的推理表现无差异,但在自然频数和几率格式下,高嵌套集合建模能力被试的推理成绩好于低嵌套集合能力被试。这表明在适当的数字表征下,嵌套集合建模能力是影响儿童进行贝叶斯推理的关键因素。

基于知识图谱多跳推理的中文矿物知识问答方法与系统

已有相关矿物数据库用于存储和查询相关矿物知识,常用的搜索引擎也可以对矿物知识进行查询,但无法回答用自然语言进行提问的矿物问题,查询返回的答案需要进一步筛选。亦有基于知识图谱进行矿物知识问答的相关研究,但只能回答涉及知识图谱中一个三元组的简单问题,无法回答涉及多个三元组的多跳复杂问题。为此,本文提出基于知识图谱多跳推理的矿物复杂知识问答方法,采用ComplEx模型将矿物实体、关系和问句表示为复数向量,以更好地获取相互之间的语义及推理关系。输入矿物问句后,通过Bert-LSTM-CRF获取其中心词,采用基于编辑距离及分词的方法获得中心词的候选实体集合,然后采用全连接网络确定最相关的实体作为推理起点,与矿物问句拼接后通过全连接网络获得当前跳的最相关关系。根据当前跳的起始实体及最相关关系,在矿物知识图谱中获得另一实体作为下一跳的推理起点,并将下一跳的问句更新为原问句,与当前跳最相关关系拼接,以将当前跳的推理信息带入到下一跳推理中,直到获得的最相关推理关系为预定义的结束标识符,推理结束,返回最后一跳的实体为答案,并给出推理路径。采用Python语言,在Tensorflow框架下实现了本文提出的矿物复杂知识问答并与相关模型进行对比,证明了本文方法的有效性。采用前后端分离架构,使用RESTful API、React、Ajax、echarts和Flask等框架和技术,开发了基于知识图谱多跳推理的矿物复杂知识问答系统,为矿物知识获取及相关地质研究提供了平台和工具。

基于案例推理的隧道洞门智能设计方法研究

为将以往隧道案例的经验应用到新建隧道设计中,以解决传统设计方法工作量大且效率低下的问题,提出基于案例推理的隧道洞门智能设计方法。结合隧道洞门工程特点,选取影响洞门设计的主要因素,将影响因素划分为12个属性单元来表征工程案例,运用三角模糊数的层次赋权计算方法对各属性单元权重进行赋值,借助相似度理论建立隧道洞门设计方案相似决策模型。基于GIS技术开发了隧道洞门工程案例库,实现对既有工程的存储管理,同时利用SQL查询语言及Python计算脚本实现案例的属性特征值计算与最相似匹配,进一步修正后可实现隧道洞门修建方案的设计决策。以某山区隧道为例对智能设计方法进行验证,结果表明:根据属性单元特征值计算结果,在案例库中比选得出与拟建隧道相似度最高的既有工程为凤凰山隧道,且相似度为0.707。因此,设定阈值为0.7时能加快案例库的检索速率与匹配准确率,该方法吸取了既有工程案例的经验,能应用于隧道洞门施工方案的决策设计,可供今后隧道洞门方案的智能化设计参考。

基于案例推理的法律人工智能建模——以海波案例系统的法律解析为中心

案例推理系统采取符号主义的路径进行法律人工智能建模,运用逻辑学的方法刻画案例推理的过程,但是,传统逻辑工具难以对案例推理过程中的可废止过程进行刻画和表达。运用论证理论中的论证型式工具,对经典案例推理系统海波的工作原理进行解析,可重构案例推理系统的逻辑模型,明确案例推理系统的智能界限。基于案例推理系统逻辑模型的解析,反思当下司法实践中的类案系统,可证立人工智能辅助司法的基本原则。

刑法教义学中的类比推理

类比推理是一种从个别到个别的推理方法,其推理根据在于两个事物之间的类似性,因而具备同类相推的特征。类比推理与类推具有密切联系,可以说,类推是一个采用类比推理的法律适用过程。因此,类推是以类比推理为基础的,但类推又不能等同于类比推理。在制定法的语境中,由于类比推理受到刑法罪刑法定原则的限制,因而不能采用以类比推理为基础的推理适用方法,但对于兜底条款可以采用类比解释的方法,以明确其语义。在判例法的语境中,类比推理在寻找先例和判例推理中都发挥了重要作用。

融合知识图谱和案例推理的燃气应急辅助决策研究

燃气事故发生时,应急处置人员基于文本资料查询应急处置方案难以满足处置科学性与快速性的需求。为此,提出了一种融合知识图谱和案例推理的燃气应急辅助决策方法。将已有燃气事故案例文本资料以知识图谱的形式存储与表示,利用案例推理的属性相似度与关系相似度加权计算方法,根据事故目标案例与源案例的综合相似度,检索出最佳相似源案例作为现场处置人员应急处置决策的重要参考,并将新的案例与处置措施存储于燃气应急处置知识图谱库中,实现处置措施的知识更新。通过案例相似度权重分配、属性权重分配、属性相似度方法选取,以及案例验证等,验证了本文方法的合理性与有效性。

基于时序知识推理的时序知识图谱补全方法

基于知识推理的知识图谱补全技术研究在静态图谱上已经获得了较为明显的效果,但其在处理与时间相关的事件上仍存在着不足,而基于时序推理的知识图谱补全方法更加贴合真实事件,有较高的研究价值。然而,现有的时序知识图谱补全技术在处理节点信息和全局信息上存在局限性问题。因此,提出了一种基于注意力聚合邻居信息并使用双向LSTM处理时间信息的改进方法。首先,通过推理预测的方式补全时序知识图谱中缺失的信息,并在推理过程中生成推理路径图来解决由神经网络所带来的不可解释性问题;然后,使用4种不同时间跨度的公开数据集进行了实验并与主流方法进行了比较。实验结果表明:所提方法在R mr、h@1和h@10这3个指标上是优于现有方法的。

最佳解释推理在侦查中的技术展开

最佳解释推理在我国刑事侦查领域有积极借鉴意义,主要用于刑事疑难案件中侦查假说的生成和检验。最佳解释推理以“预见”和“叙事”的功能生成并验证侦查假说,生成机制有哈曼的“三段式”和利普顿的“四段式”,生成技术有信息处理程式和求解的逻辑思维。最佳解释推理形成的侦查假说具有或然性,需要进行解释性检验,检验标准有融贯性、涵盖性和简单性。在我国刑事司法的规范层面,最佳解释推理的运行需借助于排除合理怀疑的规范空间,才能取得制度容许性。

联合核预测和特征推理的渐进式壁画修复算法

针对现存深度模型修复壁画时,未兼顾像素级特征与语义级特征,而导致纹理精细度欠缺、结构扭曲等问题,提出一种联合核预测和特征推理的渐进式壁画修复算法.首先,设计区域渐进模块,通过部分卷积实现壁画特征渐进式映射.然后,提出双分支修复模块,其中核预测卷积分支实现破损区域的像素级修复;而语义特征推理分支中引入门控可变形卷积,并结合语义一致性注意力机制实现特征推理,完成破损壁画的语义级修复.最后,将双分支修复结果融合输出,最大限度地减少重构误差,提升修复精度.通过对敦煌壁画进行数字化修复实验,结果表明所提方法修复后的壁画具备较好的结构纹理特征,在评价指标上优于比较算法.

试论“证据推理与模型认知”对认知能力提升的促进作用

依据普通高中化学课程标准,分析化学学科“证据推理与模型认知”的培养要求。从认知心理学角度结合教学实例分析“模型认知”对图式建构、化学陈述性知识表征能力提升的促进作用;“证据推理”对产生式建立、化学程序性知识表征能力提升的促进作用。

Copula层次化变分推理

为提高Copula变分推理(CVI:Copula Variational Inference)的近似性能,提出了一种Copula层次化变分推理方法(CHVI:Copula Hierarchical Variational Inference)。该方法的主要思想是将CVI方法中的Copula函数与层次化变分模型(HVM:Hierarchical Variational Model)特殊的层次变分结构相结合,使HVM的变分先验服从CVI方法中的Copula函数。CHVI不但继承了CVI中的Copula函数较强的捕获变量相关性的能力,而且还继承了HVM的变分先验结构能获取模型隐变量依赖关系的优势,使CHVI可以更好地捕获隐变量之间的相关性,提高近似精度。利用基于经典的高斯混合模型验证CHVI方法,在合成数据集和实际应用数据集上的实验结果表明,CHVI方法的近似精度相较于CVI有较大提升。

基于主动推理的人机交互信任建构

人机交互信任问题日渐受到学界的广泛关注,不同学者基于各自立论旨趣,尝试对人机交互信任机制加以多面相的审思与建构。随着预测加工理论的兴起,相关探论更是得到了来自于计算神经科学向度的理论预设与方法论支撑。在此视域下,作为其基本理论构件之一的主动推理为人机交互信任机制的探索提供了一种整合性认知架构。由此,基于将人际互动推展至人-机共同构成的异质系统的适用性分析,以主动推理逻辑框架对人机交互信任样态与特征加以阐释,对于建构一种新的人机交互信任的实践路径无疑具有重要的意义。

基于量子衍生涡流算法和T⁃S模糊推理模型的储层岩性识别

鉴于梯度下降法易陷入局部极值、普通群智能优化算法易早熟收敛,提出一种基于量子衍生涡流算法(Quantum Vortex Search Algorithm,QVSA)和T⁃S模糊推理模型的岩性识别方法,QVSA具有操作简单、收敛速度快、寻优能力强等优点,有助于T⁃S模糊推理模型获得最优参数配置,从而实现储层岩性的准确识别。首先利用具有全局搜索能力的QVSA优化T⁃S模糊推理模型的各种参数;然后利用主成分分析方法降低获取的地震属性维度;再利用优化的T⁃S模糊推理模型识别储层岩性。实验结果表明,利用反映储层特征的8个地震属性识别储层岩性时,所提方法的识别正确率达到92%,比普通BP网络方法高5.1%,同时查准率、查全率、F1分数等指标也较BP网络方法提升明显。

基于区域的上下文信息矩阵推理目标检测模型

目标的语义信息或目标之间的关系有助于目标识别。然而,目前最先进的目标检测器依赖于单独识别目标实例,缺乏充分的上下文信息。为了充分利用上下文信息,本文提出了一种特定的上下文矩阵,将上下文矩阵结合到目标检测中来增强检测模型的上下文信息推理能力。具体来说,该上下文矩阵有3种形式,分别来自不同数据集的标注。通过目标之间的关系、属性和共现概率来增强上下文信息,并将每个区域的上下文矩阵增强后的新特征与原始特征相连接,提高分类和定位的性能。此外,基于上下文矩阵推理的模型是轻量级的和灵活的,足以增强不同的目标检测基线并有助于少样本检测任务。大量实验表明,所提出的基于上下文矩阵推理的检测器可以在不同的基准上持续改进各种检测器。

基于贝叶斯网络的结构易损性智能推理

为实现结构易损性的智能化推理,提出以贝叶斯网络(Bayesian networks,BNs)重构桁架结构的易损性分析体系。首先,分别定义外荷载、体系和杆件为网络顶层父节点、中间节点和底层子节点,节点间通过有向弧表示因果关系,形成BN拓扑;接着,提出以杆件“大损伤”替代传统的“概念移除”方式,考虑杆件参数及外荷载的不确定性,结合抽样实现对节点间条件概率表的学习,完成BN的构建;然后将特定杆件的观测状态作为证据输入BN,同步推理其他杆件的节点状态概率,进而计算杆件的重要性系数,并定义所有杆件的重要性系数之和为体系的易损性系数;最后,提出杆件易损指标,作为预测桁架体系最可能失效路径的依据。研究结果表明:所提方法能更合理地评价各杆件在体系中的重要性,推理得到的杆件破坏路径与试验观测一致,所计算的试验桁架体系易损性系数远小于杆件数目,表明当前荷载组合下特定杆件的损伤引起体系发生连续性倒塌的可能性较小。

挤压铸造工艺参数的案例推理设计方法

挤压铸造工艺参数是挤压铸造的关键,目前主要通过实验和经验来确定,效率低。结合数据驱动制造的趋势,提出基于案例推理的挤压铸造工艺参数设计方法。将收集的工艺数据视为案例,然后构建挤压铸造工艺参数的马尔可夫毯约简非关键影响因素,去除冗余影响因素并建立案例属性的关系,在此基础上,应用信息熵确定彼此的权重,然后基于案例推理原理得到新材料铸件的工艺参数。通过实验和应用,证明了该方法的有效性和准确性,为挤压铸造工艺参数设计提供了新的方法,可大幅度节省设计时间,也加强了对已有数据的利用。