Geoframe解释系统工区备份技术研究

解释工区中存有大量数据成果,完善的工区备份技术对整个系统和用户来说至关重要。通过对数据备份策略、在线备份、定时备份等技术的分析研究,提高Geoframe解释系统工区数据备份能力,有效保证解释数据安全。

GeoFrame解释系统在线信息查询优化技术

GeoFrame软件是胜利油田分公司物探研究院地震资料解释生产的主力软件,实时掌握该软件系统的在线信息对用户来说至关重要。通过对GeoFrame解释系统数据库结构、查询处理流程、查询优化技术的研究,针对性地解决了目前在线查询功能不足的问题,达到了提高解释工作效率的目的。

可解释人工智能在电力系统中的应用综述与展望

可解释人工智能(XAI)作为新型人工智能(AI)技术,具有呈现AI过程逻辑、揭示AI黑箱知识、提高AI结果可信程度的能力。XAI与电力系统的深度耦合将加速AI技术在电力系统的落地应用,在人机交互的过程中为电力系统的安全、稳定提供助力。文中梳理了电力系统XAI的历史脉络、发展需求及热点技术,总结了XAI在源荷预测、运行控制、故障诊断、电力市场等方面的电力应用,并围绕解释含义、迭代框架、数模融合等方面展望了电力系统XAI的应用前景,可为推动电力系统智能化转型与人机交互迭代提供理论参考与实践思路。

解释水平理论及其在信息系统研究领域的应用与展望

[目的/意义]本文旨在使学界深入认识解释水平理论在信息系统领域的应用与发展,并为后续相关研究与应用提供指导。[方法/过程]通过梳理国内外信息系统研究领域中基于解释水平理论的相关研究,将研究主题归纳为消费者在线购买意愿、用户社交网络隐私悖论成因、信息系统设计与采纳这3个方面,系统性地整理了当前研究的成果和局限,并对未来值得关注的方向进行了展望。[结果/结论]现有研究主要存在研究维度有待拓展、理论应用有待深化、研究对象有待丰富等不足,未来研究可在这些方面取得进展。

行为免疫系统引起解释偏差的相关研究与机制初探

疾病威胁是人类面临的巨大威胁之一。为回避与应对疾病威胁,个体发展出了行为免疫系统,行为免疫系统会通过情绪、感知、行为等帮助个体回避疾病威胁。虽然行为免疫系统会帮助个体避免疾病威胁,但这一过程也会导致一些不良后效。比如解释偏差的产生,包括对外群体的偏见,与对健康个体的疾病化解释等等。本文梳理了行为免疫系统相关研究,探讨行为免疫系统与解释偏差的关系,并探究了行为免疫系统引起解释偏差的可能机制。论述了厌恶情绪与图式在行为免疫系统引起的解释偏差产生中的作用。

基于情感可控文本生成的可解释推荐系统

文本生成是实现可解释推荐系统的有效技术途径之一,有利于提升用户对平台的满意度和信任感.然而,现有方法忽略了用户历史评论与目标物品之间的情感一致性问题,使得所生成的解释文本差强人意.以电商推荐场景为例,提出一种基于情感可控文本生成的可解释推荐框架.该框架由评分回归模型与解释生成模型串联而成,前者输出的预估评分作为情感查询,用于辅助后者从历史评论中甄选出情感一致的评论语料,并产生情感可控的解释文本.通过建立多任务联合学习机制,实现了评分回归模型与解释生成模型之间的双向互通和协同优化.四个电商场景下的实验结果表明,所提出方法在评分预测精度和文本生成质量两类指标上均具有显著的性能优势.

面向心律失常疾病的临床决策支持系统交互性研究与实现

目的/意义针对当前临床决策支持系统使用过程中存在的问题,提出界面设计原则并将其应用于心律失常疾病临床决策支持系统建设中。方法/过程从交互设计角度,针对可解释性、时效性、可用性、相关性、尊重性和循证性6个维度,提出界面设计原则。选取心律失常疾病决策支持作为临床场景,设计临床决策支持系统交互界面原型,阐述界面功能、信息功能、交互功能设计与实现过程。结果/结论本研究提出的界面设计原则可有效缓解6类问题,经论证具有应用于心律失常疾病临床决策支持原型系统的可行性以及可泛化性,可用于指导多种疾病辅助诊疗工具的交互设计。

融合深度神经网络和方面感知的可解释推荐方法

为提升推荐结果的准确性和可解释性,提出一种融合深度神经网络和方面感知的可解释推荐方法。针对评分数据的稀疏性问题,综合考虑显式和隐式评分数据,通过深度神经网络的矩阵分解模型学习用户和物品的潜在特征;通过无监督的方面提取模块来学习用户和物品的方面特征;将潜在特征和方面特征统一到预测层进行评分预测;针对生成解释质量低且缺乏个性化的问题,在评分预测的基础上,采用提取的主题词和预定义的神经模板相结合生成推荐理由,提高解释的生成质量。实验表明,提出的方法不仅能准确预测用户对物品的评分,还能够生成具有解释性的推荐理由,且生成的解释质量优于对比方法。

基于模糊计算的音乐人工智能演奏系统设计

本文设计了一种基于MIDI的音乐人工智能演奏系统,其特点是根据乐谱音乐要素审美的模糊性,运用模糊计算建立了能够调整声音变化参数的演奏解释规则。该系统在人机交互的作用下,会产生符合演奏者或学习者音乐表现需要的自适应、自调整功能。系统功能通过MIDI声音调整技术、音乐感知规则生成技术、音乐审美学习技术等环节实现。基于模糊计算的音乐演奏系统克服了MIDI音乐情感表现力的局限性,将演奏算法作为一种人工学习工具融入演奏技术系统中,从一定角度建立了音乐人工智能演奏的审美表现学习模式,为音乐演奏者提供了一种从审美感知到认知的学习训练系统。

基于LightGBM算法的光伏并网系统孤岛检测及其集成的可解释研究

针对智能孤岛检测方法欠缺对数据集划分过程中标签分布不均问题的考虑,以及该领域尚未对复杂智能孤岛检测模型的决策进行可解释性分析,提出了一种基于轻梯度提升机(LightGBM)算法的孤岛检测模型。采用分层抽样的K折交叉验证检测模型的分类性能,解决数据标签分布不均的问题;提出基于决策树的Shapley值加性解释方法为主干,融合累计局部效应图和局部代理模型的集成可解释分析框架,从全局性和局部性角度对光伏并网系统的孤岛状态检测进行归因分析。算例仿真结果表明,所提模型能在传统检测方法的检测盲区中实现精确且快速的动态孤岛检测,且在电压波动、系统故障等情况下均未发生误判。基于集成的归因分析方法解决了单一可解释方法的欠合理性问题,揭示了模型输入电气特征自变量与孤岛检测响应因变量之间的关系,提高了模型的可信度。

面向电力系统智能分析的机器学习可解释性方法研究(一):基本概念与框架

机器学习的可解释性是其在电力系统领域安全、可靠应用的关键环节与重要基础之一。针对电力系统智能分析的机器学习模型可解释性方法进行初步探讨。首先,阐述了机器学习模型可解释性的基本概念、数学描述与相关评价维度;之后,梳理了实现机器学习可解释的整体思路与技术路线,将可解释方法分为建模前解释、训练后解释与模型自解释3大类,并对其在模型诊断、安全评估、数据纠偏、知识发现等场景的应用进行了分析;最后,对目前电力智能分析的机器学习可解释性研究面临的挑战进行了展望。

面向电力系统智能分析的机器学习可解释性方法研究(二):电网稳定分析的物理内嵌式机器学习

将知识融入机器学习模型是提升算法可解释性与计算性能的重要途径之一。针对电力系统运行的稳定分析问题,提出一种新的物理内嵌式机器学习框架与方法,将描述故障动态过程的微分-代数方程作为先验知识,引导神经网络模型训练。相比于完全依赖数据的通用机器学习方法,物理内嵌式机器学习直接模拟物理过程,通过数据背后所蕴含的物理方程来约束机器学习决策空间,并输出故障后的动态曲线,结果物理含义与可解释性更强。同时,物理内嵌模式也大幅降低了模型训练对海量数据的依赖,为小样本学习及以及模型向真实系统迁移应用过程中的参数辨识提供一种新的思路。

增强推荐系统可解释性的深度评论注意力神经网络模型

为了提高推荐系统(RS)的可解释性,打破推荐系统固有的局限性,提升用户对推荐系统的信任度和满意度,提出一种增强可解释性的深度评论注意力神经网络(DRANN)模型。该模型利用用户评论与商品评论中丰富的语义信息,基于文本评论学习用户、物品之间的潜在关系,预测用户兴趣偏好和情感倾向。首先,采用文本卷积神经网络(TextCNN)对词向量作浅层特征抽取;然后,使用注意力机制为评论数据分配权重,过滤无效评论信息,同时构建深度自编码器模块将高维稀疏数据降维,去除干扰信息,学习深层语义表征,增强推荐模型的可解释性;最后,通过预测层得到预测评分。在4个公开数据集(Patio、Automotive、Musical Instrument(M-I)和Beauty)上的实验结果表明,与概率矩阵分解(PMF)模型、奇异值分解++(SVD++)模型、深度协同神经网络(DeepCoNN)模型、树增强嵌入模型(TEM)、DeepCF(Deep Collaborative Filtering)、DER(Dynamic Explainable Recommender)相比,DRANN模型的均方根误差(RMSE)最小,验证了它在提升性能上的有效性以及所采用解释策略的可行性。

话语标记的系统构建与认知解释——《现代汉语话语标记系统与认知研究》评介

系统建构是科学研究的基础。在已有的话语标记研究中,周明强的《现代汉语话语标记系统与认知研究》(中国社会科学出版社,2022年5月)无疑可以代表当前汉语学界对该系统最完整的、最全面的建构。作者认为,现代汉语话语标记是一个完整的系统,只有揭示其系统与层次,才能对个体的话语标记作深入研究,寻求其共性和个性,避免研究上的不平衡。该著作不仅建立了现代汉语话语标记的研究系统,还把系统内部分出四个层次.

基于知识图谱的多目标可解释性推荐

现有的推荐系统研究大多集中在如何提高推荐的精度上,而忽略了推荐的可解释性。为了最大程度地提高用户对推荐项的满意度,提出一种基于知识图谱的多目标可解释性推荐模型,同时优化推荐的准确性、新颖性、多样性和可解释性。首先通过知识图谱得到用户可解释的候选列表,并利用统一的方法以目标用户的交互项和推荐项之间的路径作为解释依据对推荐的可解释性进行量化,最后通过多目标优化算法对可解释的候选列表进行优化,得到最终的推荐列表。在Movielens和Epinions数据集上的实验结果表明,本文所提出的模型可以在不降低准确性、新颖性和多样性的情况下提高推荐的可解释能力。

对沃尔夫语言概念的维特根斯坦诠解——基于语言游戏的系统论考察

沃尔夫的语言学缺乏明确的“行为”概念,其对语言前体的理解带有明显的心理主义倾向,这突出体现在其将心理性的“原始经验”而非公共性的“原初行为”作为语言的“原始基础”。由于内在的心理经验本身是不可见的,因此将其作为语言的基础不可避免地会造成语言概念的含混性。要更清晰地理解沃尔夫的语言概念,克服其概念表述的含混性,就需要引入维特根斯坦的语言游戏概念,通过揭示经验、行为、语言在语言游戏的行为系统中的内在联系,将含混的心理主义表述转换成清晰的行为描述。

非法获取计算机信息系统数据罪的限缩适用——兼论数据犯罪的法益侵害

数据蕴含的巨大价值引发了非法获取数据犯罪的刑法适用问题。本质上,该问题是非法获取计算机信息系统数据罪不法争议的外在表现与必然结果,解决的根源在于梳理获取数据的行为对象与样态,进一步解释数据安全法益的内涵。理论界对数据技术属性提供刑法保护以及法益独立化保护的主张,体现了刑法技术化倾向,与法益证成标准及法益理论初衷相悖。妥当的解释路径应当是将数据犯罪的刑法性法益定义为个人法益、公共法益或者国家法益的传统法益,行政法层面数据安全管理秩序法益只能作为先法性法益影响数据犯罪的量刑,以调和刑法保障性与谦抑性之间的紧张关系。基于此,非法获取计算机信息系统数据罪的适用方案应当是坚持本罪“法益保护传统化”的限缩适用以及“具体危险犯”的妥当适用标准。

基于GeoFrame二维地震数据加载的研究与应用

人机联作交互解释系统GeoFrame软件是当前主流地震综合解释系统,在石油勘探及地质调查领域应用较为广泛。文章在对GeoFrame及二维地震数据加载深入研究的基础上,对二维地震数据在该软件中的存储作了一些探讨,提出了在加载过程中遇到问题的解决方案及相应对策。本文对于相关解释人员及数据管理人员具有较高的参考意义。

断裂系统解释与储层预测中的三维相干技术

三维相干技术是根据三维地震数据体中相邻地震道之间地震信号的相似性来判断地层、岩性的横向非均匀性,它具有下列特点:1)从工区构造体系特征出发,自动检测断裂系统,避免了常规构造解释对解释人员经验的依赖性,使得解释结果更客观、真实;2)相干道数、时窗大小以及时延参数的选择对三维相干技术的处理效果起着至关重要的作用;3)应用三维相干技术不仅可以自动检测断裂系统,而且可以描述储层的横向非均匀性,确定特殊地质异常体的边界,如:岩溶地貌特征、河道砂、砂坝等;4)充分发挥了计算机运算速度快的特点,提高了解释效率,缩短了勘探周期。

基于客观系统分析的解释结构模型

用解释结构模型(ISM)进行系统分析的关键是准确确定系统要素的邻接矩阵。基于OSA的ISM模型是利用自组织的客观系统分析(OSA)方法在训练集上产生复杂度逐渐增加的模型,用检验集筛选模型,系统外准则值的最小值对应着最优方程组。最优方程组以定量的方式给出系统变量间的连接方法和连接强度。根据OSA最优方程组中变量之间的系数是否为0或通过设定阈值可以客观地确定邻接矩阵。在此基础上建立的ISM模型从整体角度准确地揭示了系统要素的结构,是实现系统知识提取的有效途径。