面向不确定性知识表示的描述逻辑SROIQ(D)不确定性扩展

为增强描述逻辑对不确定性知识的表示能力,提出了一种对描述逻辑SROIQ(D)进行不确定性扩展的方法。该方法基于不确定性理论和描述逻辑SROIQ(D),针对知识表示中大量存在的模糊性、粗糙性和随机性知识,首先给出了模糊粗糙概念条件概率的计算方法,并以此为基础对SROIQ(D)进行了不确定性扩展;然后基于模糊粗糙逻辑和概率逻辑分别给出了扩展后的语法、语义和推理任务,使不确定性SROIQ(D)描述逻辑具备同时处理3类不确定性知识的能力。     

基于自编码器的贝叶斯网嵌入及概率推理

贝叶斯网(BN)是不确定性知识表示和推理的基本框架,广泛用于社交网络、知识图谱和医疗诊断等领域.特定领域中基于BN的分析诊断和决策支持,其核心计算任务是基于BN进行多次概率推理.然而,使用传统的概率推理方法,基于同一BN的多次概率推理其中间过程存在很多重复的计算结果,具有较高的时间复杂度.为了提高多次概率推理的效率,提出易于重用和易于计算的贝叶斯网嵌入及相应的概率推理方法.首先,借鉴图嵌入的基本思想,使用点互信息矩阵来表示BN的有向无环图结构和条件概率参数,提出基于自编码器和注意力机制的BN嵌入方法.其中,自编码器的每一编码层利用节点与其邻居节点(父节点和子节点)的相关性生成节点嵌入,从而在嵌入向量中保存BN节点间的概率依赖关系.然后,使用嵌入向量之间的距离来度量节点之间的联合概率,提出基于嵌入向量的BN概率推理方法.实验证明,针对BN的多次概率推理,所提方法的效率高于现有方法,且能得到准确的推理结果.     

基于贝叶斯概率语义网的铝电解槽况知识表示模型与约简方法

铝电解生产过程中的知识具有跨领域、不确定、多源异构等特征,采用传统知识表示方法将导致组合爆炸、多义性、知识选择困难及可理解性差,从而降低铝电解槽况判断的效率及准确性.将贝叶斯条件概率与传统语义网相结合,提出一种新的可用于铝电解槽况判断的知识表示方法.该方法分别采用知识元和概率做关联和乘法运算,可有效解决知识在推理过程中出现多义性和知识选择困难的问题;同时,提出基于组合消除的知识约简方法,旨在解决关联关系矩阵中重复知识因子多、矩阵维数高导致存储和计算困难的问题.最后通过铝电解槽况判断的案例分析,验证了贝叶斯概率语义网模型的合理性、可行性和有效性.     

DBEST：一个实用的故障诊断专家系统开发工具

本文介绍了一个基于故障诊断领域的专家系统开发工具ＤＢＥＳＴ的设计与实现。它在Ｗｉｎｄｏｗｓ环境下将多种知识表示方法和多种故障推理策略融为一体，是快速高效开发实用故障诊断专家系统的强有力的工具。文中着重介绍了模糊关系矩阵的知识表示，知识获取和推理方法。     

基于贝叶斯网的开放世界知识图谱补全

知识图谱中实体所涉及的关系之间通常具有相互依赖的性质,基于这种依赖性可利用数据中的新实体来构造更多的三元组从而补全知识图谱。贝叶斯网（BN）是一种表示和推理变量之间相互依赖关系和不确定性知识的有效模型,将BN作为模型框架,研究基于BN的开放世界知识图谱补全方法。提出知识图谱中关系之间依赖性的表示模型构建方法,构建过程包括模型的基础结构构建和参数表计算,基于关系对实体的描述作用,根据描述作用强的关系决定描述作用弱的关系这一规则构建模型的基础结构。给出基于知识图谱中的三元组来抽取数据集的方法,采用最大似然估计法并利用模型的基础结构和数据集来计算模型的参数表。提出基于BN概率推理的三元组构造方法,将开放世界数据中包含新实体三元组的关系和尾实体作为证据,利用概率推理计算新实体与其他实体之间存在关系的条件概率,以此为依据构造与新实体相关的更多三元组,从而完善知识图谱。在FB15k和DBpedia数据集中分别进行三元组类型预测和链路预测实验,结果表明,该方法具有有效性,其预测召回率和MR值相比现有知识图谱补全方法均有明显提升。     

基于贝叶斯网络的本体不确定性推理

运用OWL语言扩展了本体对领域知识的不确定性表示,并基于贝叶斯网络实现了本体领域知识的不确定性推理。实验表明将贝叶斯网络与本体结合起来,能够充分发挥本体在知识描述方面的优势和贝叶斯网络的推理能力,实现依据部分信息的概率描述获取知识,指导实践。     

基于知识Petri网的确定性和不确定性联合推理

知识推理是人工智能的核心领域,旨在研究如何从已知(知识库和推理规则)推理出未知,以帮助智能体做出科学决策.而智能体所处的环境存在不可观性和不确定性,因此知识库通常不仅包含确定性知识,还包含不确定性知识,而且推理过程需要两类知识紧密协作.然而,目前的推理方法无法将两类知识统一表示,常常将两者对应的推理过程割裂进行.基于此,为了实现在统一的模型架构下完成确定性和不确定性联合推理,给出了一种知识Petri网推理方法.首先,定义了一种新的知识Petri网,使其不仅能够描述确定性的知识规范,也可以描述先验概率知识;其次,根据知识Petri网的网结构,给出了一种知识Petri网概率独立剪枝算法,能够指数级地降低不确定性推理的计算复杂性;最后,利用知识Petri网及其概率独立剪枝算法,给出了一种新型推理算法,实现了确定性和不确定性的联合推理,并利用Wumpus世界进行了演示和验证.     

二级不确定性的内涵处理方法

本文给出处理二级（或阶）不确定性的一种内涵方法（或称为基于模型的方法），该方法用概率簇空间表示证据空间的二级不确定性结构，用L-集合表示规则强度的二级不确定性，用概率簇空间的传递方式刻画二级不确定性的传播过程．给出了概率簇上限定化关系的传递性质，并用限定化的概念对规则组合的两种不同方式进行了比较．本文为基于知识的推理提供了新的综合框架．     

概率生成模型变分推理方法综述

概率生成模型是知识表示的重要方法,在该模型上计算似然函数的概率推理问题一般是难解的.变分推理是重要的确定性近似推理方法,具有较快的收敛速度、坚实的理论基础.尤其随着大数据时代的到来,概率生成模型变分推理方法受到工业界和学术界的极大关注.综述了多种概率生成模型变分推理框架及最新进展,具体包括:首先综述了概率生成模型变分推理一般框架及基于变分推理的生成模型参数学习过程;然后对于条件共轭指数族分布,给出了具有解析优化式的变分推理框架及该框架下可扩展的随机化变分推理;进一步,对于一般概率分布,给出了基于随机梯度的黑盒变分推理框架,并简述了该框架下多种变分推理算法的具体实现;最后分析了结构化变分推理,通过不同方式丰富变分分布提高推理精度并改善近似推理一致性.此外,展望了概率生成模型变分推理的发展趋势.     

农业智能系统开发平台的知识表示与推理策略

针对农业智能系统的知识特点,提出基于框架知识单元和求解知识单元的知识组织结构,同时采用XML作为知识描述语言的知识表示方法,在此基础上采用混合推理的推理策略,并实现了不确定推理．该知识表示方法和推理策略已经在工作中得到实际应用,较以往知识表示方法,在知识获取、知识的直观充分表达、知识扩充、知识模块化、知识共享等方面都取得了很好的效果．     

一种新的面向对象的概率图模型

针对大规模Bayes网络的知识表示和推理等问题,使用面向对象的方法扩展Bayes网络结构,提出了一种新的概率图模型——对象概率模型（OPM）．该模型充分利用层次结构中所蕴含的条件独立性,有效地降低了知识表示的复杂度．在Bayes网络消元推理算法的基础上设计了OPM的一种有效的推理算法,该算法可以根据需要调节推理的计算量,在一定程度上解决了概率推理的计算的复杂度问题．将OPM用于解决图像中文本的自动检测与定位问题,实验结果验证了模型的有效性．     

大型整流装置在线故障诊断专家系统

针对大型整流装置故障具有种类多、数量多和位置分布广的特点,建立了一个基于混合知识表达的整流装置在线故障诊断专家系统,专家系统的建立采用框架与规则相结合的设计方法,用框架表示结构性知识、描述性知识,用规则表示过程性的知识,用模型来表示电路故障的知识,将这种专家知识表示方法结合前向推理的推理机制对整流装置出现的故障进行高效快速的诊断.该系统应用于食盐水电解的大型整流电源上,获得良好的效果.     

基于事例推理技术在火炮设计中的应用

从基于事例推理技术理论出发,在Ｎａｖｉｎｃｈａｎｄｒａ、Ｂａｒｄａｓｚ、ＺｅｉｄＩ）等学者提出的设计事例表示方法基础上提出更为通用、有效的设计事例表示形式,即设计事例３级表示方法和它的组织结构,并结合火炮总体设计的具体特点,给出火炮总体设计事例表示形式定义、组织及推理策略,以及火炮设计专家系统模型。通过研究表明,采用事例形式的知识表示可以有效地利用火炮设计经验,提高火炮设计质量、缩短周期,有力地推     

基于本体的矿井电机故障知识库构建

针对传统电机故障知识表示方法存在的不足,分析矿井电机故障知识,采用知识工程和本体的相关理论构建矿井电机故障知识领域本体,给出基于本体和规则推理的电机故障知识库模型。测试结果表明,该方法能有效表示电机故障知识之间的语义关系,提高电机故障知识的复用性。     

概率逻辑的研究

在人工智能科学中,不确定推理扮演着一个非常重要的角色,而其表示方法也很多,文中要讨论的概率逻辑便是其中之一,它是以逻辑表示为基础进行概率推理。首先,从知识表示和概率定义两个不同的角度系统地介绍了概率逻辑的产生及其发展,然后总结了它的一些基本概念,在此基础上给出了求得一致可能世界的一种逻辑系统,为概率逻辑的发展起到推动作用。最后将概率逻辑同与之容易混淆的模糊逻辑加以区分,且提出了概率逻辑的价值及其展望。     

基于模糊框架-产生式知识表示及推理研究

知识表示是专家系统求解能力及正确性的基础。针对不同知识表示方法的局限性,采用框架与产生式知识表示法结合表示专家知识。同时鉴于传统知识表示及推理方法在描述事实生产中不确定知识及经验中的缺陷问题,将模糊推理与知识表示相结合,应用模糊因子,定量细化描述模糊知识;并结合知识表示特点应用动态加权平均匹配函数及模糊推理方法,提出基于模糊框架-产生式知识表示方法及推理的研究,量化地表示知识及推理过程,为决策人员提供更加直观、准确的推理依据。     

基于论据系统的带权定性概率推理机

定性概率推理是不确定性推理领域的一种重要方法。将定性概率推理的论据系统方法和抽象系统方法二者合而为一,在定性概率推理机(QPR)的基础上提出基于论据系统的带权定性概率推理机(WQPR)。首先扩展了带权定性概率网的定义,讨论了带权定性影响的对称性;其次将带权定性概率推理融入到论据系统中,提出WQPR推理系统,相比QPR能够在更精确的尺度进行不确定性推理,并证明了系统的正确性与完备性。     

概率逻辑的研究

在人工智能科学中,不确定推理扮演着一个非常重要的角色,而其表示方法也很多,文中要讨论的概率逻辑便是其中之一,它是以逻辑表示为基础进行概率推理.首先,从知识表示和概率定义两个不同的角度系统地介绍了概率逻辑的产生及其发展,然后总结了它的一些基本概念,在此基础上给出了求得一致可能世界的一种逻辑系统,为概率逻辑的发展起到推动作用.最后将概率逻辑同与之容易混淆的模糊逻辑加以区分,且提出了概率逻辑的价值及其展望.     

面向语义Web语义表示的模糊描述逻辑

分析了语义Web语义表示理论的研究现状及存在的问题,提出了一种新的面向语义Web语义表示的模糊描述逻辑FSHOIQ(fuzzy SHOIQ).给出了FSHOIQ的语法和语义,提出了FSHOIQ的模糊Tableaux的概念,给出了一种基于模糊Tableaux的FSHOIQ的ABox约束下的可满足性推理算法,证明了可满足性推理算法的正确性.提出了FSHOIQ的TBox扩展和去除方法,并证明了FSHOIQ的TBox约束下的包含推理问题可以转化为ABox约束下的可满足性推理问题.FSHOIQ为语义Web表示和推理模糊知识提供了理论基础.     

基于贝叶斯网的知识图谱链接预测

结合外部知识,使用特定方法进行知识图谱的链接预测,即知识图谱中缺失信息的发现和还原,是目前知识图谱领域研究的热点和关键。以电子商务应用为背景,基于已经构建好的描述用户兴趣的知识图谱,结合外部数据集,以贝叶斯网这一重要概率图模型作为不同商品之间相似性及其不确定性的表示和推理框架,通过对商品属性进行统计计算,构建反映商品之间相似关系的贝叶斯网,进而基于概率推理机制,定量地判断商品节点与用户节点之间存在链接的真实性,得到真实和完整的知识图谱,为个性化推荐和关联查询提供依据。建立在真实数据上的实验结果表明,提出的模型和算法是有效的。