连续剧式推理类综艺节目《最后的赢家》的叙事模式分析

回顾推理类综艺节目的发展，可以发现头部节目《明星大侦探》《密室大逃脱》的播出，使推理类综艺节目进入了“综N代”的发展模式。2021年，爱奇艺推出“迷综季”推理类综艺节目聚类播出单元，标志着推理类综艺节目出现了新的制作模式。《最后的赢家》将电视剧的制作逻辑运用到综艺节目的制作之中，让观众看到了综艺市场的又一创新。本文从叙事学的角度出发，分析连续剧式推理类综艺节目《最后的赢家》的叙事模式，重点探讨其叙事策略，以期为未来推理类综艺节目的创作提供一定参考。     

智能教学系统中的知识推理

知识推理主要应用于智能教学系统的教学策略、教学方法的产生和调整方面。给出了一种智能教学系统中的基于语义网络的模糊推理确定教学序列的方法和用基于产生式规则的推理确定教学方法，并给出了推理算法。     

基于贝叶斯网络的证据目标模型及推理算法研究

在一般贝叶斯网络的基础上，提出了E＆D模型和推理算法。E＆D模型在一定程度上简化了贝叶斯模型，更精确地表达了待求解问题的实质。同时采用多线程技术实现其推理算法，加快了推理速度，对同类问题有一定的参考意义。     

基于推理树的XML推理控制研究

信息安全中的推理问题是指攻击者根据合法获得的信息,利用信息之间关联,推理出不能直接访问的信息,从而造成敏感信息泄露的一种安全问题。推理控制是对信息间的这种联系加以控制,防止敏感信息的推理泄露。XML是当前信息技术中最重要的信息载体之一,是Internet中数据交换和传输的默认标准,也是传统关系数据库的有力竞争者。文中研究了XML数据库中信息的推理控制问题,定义了信息以及信息的规范化表示,针对XML数据库中敏感信息的推理泄露,引入了推理树的概念,提出了一种新的推理通道的刻画方法,并提出了相应的动态推理控制策略,在保证信息安全的基础上,使文档中的信息最大可用。     

基于事例推理的设计与全球互联网络

基于事例推理是近些年发展起来的一项人工智能技术，由于它符合专家求解问题时的认知原理，在许多领域得到了广泛的应用，特别是在设计领域中更是涌现了一大批这样的专家系统，全球互联网络是最近几年发展最为迅猛的计算机技术，它的用户以每月近２０％的速度增长，互联网络使得全球的信息得以共享。基于事例推理的设计同全球互联网络结合在一起，必将对设计、人工智能、网络技术、数据库等诸多领域产生深远的影响，而这种结合也正是     

贝叶斯网络推理算法研究

大型复杂贝叶斯网络的诊断推理存在困难,在其推理诊断之前对网络结构进行适当的简化,可以有效地加快诊断推理速度。采用分簇联合树算法实现对网络结构的简化与推理。主要介绍了分簇搜索算法的基本思想、实现步骤及联合树推理算法,并将它们结合使用,使贝叶斯网络的简化推理更有效。     

安全数据库系统推理问题的研究

首先讨论了数据库中某些特定类型的推理问题，并且对各种消除推理的方法进行了归纳。描述了数据库中推理问题的一般特征，以及消除它们的一些方法和工具。     

基于贝叶斯网络工具箱的贝叶斯学习和推理

采用MATLAB语言编制的贝叶斯网络工具箱(Bayesian Networks Toolbox,BNT)可实现贝叶斯网络结构学习、参数学习、推理和构建贝叶斯分类器,此工具箱在贝叶斯学习编程方面非常灵活.介绍了用贝叶斯网络工具箱解决贝叶斯学习和推理问题,并给出了两个实例.     

基于因果图的一种推理算法

针对因果图推理中存在逻辑运算量大、计算复杂的困难，提出了一种基于因果图的特性的新的推理算法。该方法先将因果图转化为一系列因果树，然后在上直接进行推理，避免了将因果图进行割集展开，从而有效地降低了因果图推理的复杂度，提高了因果图推理的计算速度。     

基于安全多方计算的两方推理

数字基础设施的发展加速了个人隐私数据在机器学习中的应用。随着机器学习即服务的市场规模逐步扩大，服务提供商和用户在双向获利的同时也面临着严重的隐私泄露风险。因此，安全推理作为隐私保护机器学习的一个分支，成为科学界和工业界的研究热点。安全多方计算是安全推理最重要的密码学工具。从机器学习推理中潜在的隐私问题出发，引入安全多方计算技术，进一步对基于安全多方计算实现的安全推理框架进行分析研究，重点分析和评估了业界先进且实用的技术框架。最后进行了总结与展望，给出了隐私保护机器学习及安全推理的未来发展的思考与建议。     

基于规则的关联性神经推理判决原理

推理活动是人类智能的表现，神经推理的基本依据是关联性质，其特点是分布式闭环弱推理，本文提出和描述了一类实现关联性推理的神经结构，并利用分类问题阐明它在实际问题中的工作原理。     

一种新的基于产生式规则的推理树结构

根据正向推理机推理的过程，以及专家系统知识库更新频率极小的特点，描述了一种新的基于产生式规则的推理树结构，这种树结构采用分层分类别的存储方法，大大提高了推理机推理效率。把工作的重心放在推理树的插入和删除算法上，以知识库的更新复杂性来换取专家系统推理机运行的速度。     

基于时空推理网络的空中红外目标抗干扰识别算法

复杂空战背景下的抗红外诱饵干扰技术是红外空空导弹的核心技术之一。针对传统静态贝叶斯网络不能表达序列图像中特征变量在时序上动态变化关系,提出了一种符合人类视觉推理识别过程的时空关联推理网络抗干扰识别算法。首先,提出的时空关联推理网络在考虑特征空间约束关系的基础上,引入了特征变量时间约束的先验知识,建立表达特征时空关联的目标推理网络识别模型,从而增强了序列图像目标识别的稳定性;其次,通过仿真数据构建样本集,离线训练学习时空关联推理网络结构及特征跳转概率参数,确定概率推理网络识别离线模型;最后,依据测试数据,结合推理识别网络模型进行概率推理,实现对目标的识别分类。实验结果表明,在伴随红外诱饵干扰投放的条件下,基于时空关联推理网络的抗干扰识别率达到94%,比静态贝叶斯网络抗干扰识别算法高3%,有效提升了目标识别的稳定性。     

中文环境下的模式推理

文章介绍了相关定义及研究现状，然后给出了模式推理的基本机制。给出了模式推理的算法。测试结果表明，本算法可以有效的解决中文环境下的模式推理问题。最后，介绍了该算法在中文问答系统中的具体应用。     

智能环境下基于雾计算的推理节点优化分配研究

智能环境传统的规则推理机制中，网关内布置的推理机从各种传感器中获取推理所需数据并与规则库相匹配，承担整个推理工作.本文利用Rete算法将规则构建为推理网络，并结合雾计算的概念将Rete推理节点分配至环境内配置的智能节点中协同推理以减轻网关负载，由此推理节点的分配成为关键，分配不合理将导致资源利用不平衡及响应延迟.本文利用活动影响下规则触发的规律设计了活动聚类算法CoA（Clustering of Activities）对活动聚类后分别建立其推理网络，计算出智能节点之间的最短路径后将结果代入针对其层次延迟性而设计的分配算法AAoRN（Allocation Algorithm of Rete Inference Nodes），从而将推理节点最优分配至各个智能节点.理论分析和实验结果表明，本文机制在有效利用智能节点资源的同时降低了大致55%的延迟.     

基于实例推理的产品变型设计技术研究

针对传统推理技术在产品设计应用中存在的问题，对基于实例推理的变型设计进行了研究。分析了实例推理的一般过程及其区别于其它推理技术的优点，提出了一种应用于变型设计的实例推理流程。在此基础上，以阀门产品为例，建立了变型设计求解流程和检索流程，为实现阀门产品的变型设计奠定了基础。     

基于多跳推理的篇章情感分析模型

为进一步提高篇章情感分析准确率,考虑到文档语义的复杂语言学层级结构,结合多跳推理网络将情感分析任务转化为阅读理解任务,提出了一种基于多跳推理的篇章情感分析模型。篇章常常包含情感倾向不同的句子,该结构首先在单词层级使用辅以位置编码的循环网络学习得到句子向量表示,然后在句子层级使用基于注意力机制的循环网络得到当前轮次文档向量,迭代得到最终文档向量,再经过全连接层预测输出。在IMDB和Yelp数据集上的实验结果表示,相较于不考虑文档层级结构的模型和不使用多跳推理的层级模型,所提出的模型具有更好的实验结果。     

适于层次逻辑和基于证据理论的似然推理算法PMLIS

本文提出了适于层次逻辑且基于证据理论的似然推理算法PMLIS，该算法尤其适于层次结构间的不精确推理，文中还研究了推理规则确定因子分解问题。     

目标数据关联的分布式推理判决研究

分布式分类系统理论是用来解决分布式缠绕判决分类问题(DID)的理论。本文首次把分布式推理判决理论引入数据融合中的目标数据关联问题,详细描述了分布式目标数据关联推理判决系统的基本原理和系统结构,并在此基础上设计了相应的算法。该算法分为两个阶段即初步推理判决阶段和分布式推理判决阶段,最后对算法进行了讨论。     

基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时，通常会产生扭曲的结构或与周围区域不一致的模糊纹理，无法重建合理的图像结构。为此，提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息，然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像，提高图像修复的精确度，在图像补全网络采用推理注意力机制，有效控制了生成特征的不一致性，从而生成更有效的信息。所提方法在多个数据集上进行了实验验证，结果表明该图像修复方法的结构相似性指数达到了88.9%，峰值信噪比达到了25.56 dB，与现有的图像修复方法相比，该方法具有更高的图像修复精确度，生成的图像更逼真。