基于粗糙集的定性概率网推理冲突解决方法

定性概率是贝叶斯网的定性抽象,它以有向边上的定性影响代替贝叶斯网中的条件概率参数,描述了变量间增减的趋势,具有高效的推理机制。但定性概率网中信息丢失导致推理的过程中往往产生不确定信息,即推理结果产生冲突。以尽可能消除定性推理中的冲突为出发点,在构建定性概率网时,基于粗糙集属性依赖度理论求解出网中节点间的依赖度,以依赖度作为变量间定性影响的权重,并根据依赖度改进已有的定性概率网推理算法,从而解决定性概率网推理冲突。实例验证表明,该方法既保持了定性概率网高效推理的特性,又能有效解决冲突。     

知识图谱引导的贝叶斯网概率推理

在基于贝叶斯网的概率推理应用中,由于缺乏节点间潜在的关联信息,使得与推理任务无关的节点参与计算,导致推理效率不高,高效的贝叶斯网推理有待深入研究.为此,本文引入知识图谱,使用领域知识补充节点间潜在的关联信息,从而支持高效贝叶斯网推理.首先,基于TransE模型将知识图谱中的三元组嵌入到低维向量空间,通过向量的相似度计算得到实体间的关联信息,以此为依据从贝叶斯网中抽取与推理任务相关的子图构建节点关联图;然后,基于实体间的相似度与贝叶斯网节点参数给出图中的权值计算方法;最后,基于节点关联图的嵌入实现近似推理.实验结果表明,本文方法的效率优于吉布斯采样算法与前向采样算法,验证了本方法的高效性.     

基于概率推理的知识图谱中实体间关联度计算

针对知识图谱中实体间的关联关系存在不确定性、实体间关联度计算复杂度高等问题,提出一种基于贝叶斯网的实体间关联度的计算方法.针对知识图谱做预处理,利用剪枝后获取的核心子图构建贝叶斯网,提出基于知识图谱的贝叶斯网构建方法;利用贝叶斯网作为知识图谱中实体之间关联关系的量化和推理框架,基于贝叶斯网的概率推理,提出知识图谱中实体间关联度的定量计算方法.建立在真实数据之上的实验结果验证了方法的有效性.     

基于贝叶斯网络的隧道围岩失稳风险预警方法

为了对隧道围岩失稳风险做出准确判断,预防围岩失稳灾害的发生,将贝叶斯网络方法应用于隧道围岩失稳的风险预警。在系统分析隧道支护参数影响围岩稳定性的基础上,通过引入基于贝叶斯网的知识表达和相应的不确定性推理原理,构造了隧道围岩失稳风险预警专家系统;并通过工程案例验证了隧道围岩失稳风险预警专家系统好的适用性。贝叶斯网专家系统可以充分利用专家的先验知识和已有案例提供的或概率分布,可以使推理在输入数据不完备的基础上进行,能够有效地实现围岩失稳风险预警。     

复杂系统的图模型多智能体协同故障诊断

为解决复杂、不确定系统的故障诊断实时推理问题,提出了基于图模型-多连片贝叶斯网络架构下多智能体协同推理的故障诊断方法。该方法将一个复杂贝叶斯网分割成若干有重叠的贝叶斯子网,使监控网络的单个智能体被抽象为一个拥有局部知识的贝叶斯网,利用成熟的贝叶斯网推理算法可完成智能体的自主推理。随后,通过重叠的子网接口进行多智能体间消息的传播,实现了多智能体协同故障诊断推理。实验结果表明了基于图模型多智能体的协同故障诊断方法的正确性和有效性。     

定性影响图及其决策算法改进研究

影响图这项图形决策技术是解决现实决策问题的有效手段之一.但是,需要获取大量概率和效用值成为了其应用的主要障碍.当事物的依赖关系或者相关参数值无法精确描述时,如何利用非精确的信息进行推理已成为提高影响图决策效率的关键问题.为了在一定程度上克服这种障碍,定性贝叶斯网络及其相关算法被提出并得到发展.本文在分析定性影响图相关理论的基础上,对定性影响图决策推理算法进行了有效改进.     

模糊概率SDG模型及故障推理方法

基于符号有向图(SDG)的故障诊断方法具有良好的完备性和易于解释性,但其存在分辨率差的缺陷,为此提出基于模糊概率SDG模型和贝叶斯推理的半定量故障诊断方法.用模糊变量表示节点变量,用条件概率表(CPT)表达节点间的定性因果关系,利用贝叶斯推理和回溯搜索找出故障源候选解的集合,并对候选解进行排序.最后建立了某卫星一次电源系统的诊断模型.仿真结果表明,该方法有效地提高了诊断的分辨率,适用于航天器在轨故障诊断.     

贝叶斯网络推理的研究与分析

贝叶斯网络是人工智能中不确定知识表示和推理的有力工具.介绍了贝叶斯网络的概念,给出一个实例,分析了贝叶斯网络推理的方法和过程.     

支持短时交通流量预测的概率图模型构建与推理

短时交通流量预测,是交通系统信息化和智能化交通运输管理技术领域研究的关键问题.目前的方法对历史数据具有较高的依赖程度,或者具有较高的计算成本,或者不能有效反映实际中较复杂的交通网络及各结点之间的相互关系、以及依赖的不确定性,或者多种模型的组合使得预测方法较复杂.贝叶斯网是一种重要的概率图模型,本文以交通网络结构为基础,利用概率图模型在不确定性知识表示和推理方面的良好性质,考虑路口交通流量及其预测的时序依赖特征,构建了带有时序条件依赖关系的交通贝叶斯网.进而针对短时交通流量预测的实时性和高效性要求,提出了基于Gibbs采样的交通贝叶斯网近似概率推理算法,并进行交通流量的短时预测.实验结果表明,本文提出的交通贝叶斯网构建、近似推理以及相应的短时交通流量的预测方法,具有高效性、准确性和可用性.     

基于贝叶斯网研究自动作曲中音高的表示和推理

自动作曲或称算法作曲是利用计算机进行自动或半自动的音乐创作过程。算法作曲的关键之一是生成音高。然而,不确定性是音乐本身固有的特征。贝叶斯网是不确定性知识的表示和推理的典型工具,已经成功应用到很多领域。在MIDI格式的基础上,利用贝叶斯网在算法作曲中生成音高,首先建立一个关于音高的贝叶斯网模型并基于此模型建立知识库。其次,基于贝叶斯网对音高进行推理,生成给定节拍处的每一个音的音高。实验表明,所提出的音高推理方法是可行的。     

贝叶斯网参数学习中连续变量离散化方法研究

连续变量离散化是贝叶斯网络参数学习中面临的一个重要问题,它的好坏将直接影响到贝叶斯网络的推理效果。目前缺少一种有效的手段用于评价连续变量离散化的好坏,通过研究,提出了推理信息量的概念,并采用作为衡量连续变量离散化好坏的标准。在连续变量离散化的过程中,采用遗传算法通过迭代的方式寻求最优解,其中,推理信息量作为衡量个体适应度的标准。实例分析证明,推理信息量大的推理效果好要优于推理信息量小的推理效果。     

基于贝叶斯网络的军事工程毁伤评估模型研究

应用贝叶斯网络理论在解决不确定性事件方面的推理优势,提出了基于贝叶斯网络的军事工程毁伤评估新方法。根据军事工程毁伤评估的系统特征与要求,提出了分解、转换、综合的系统建模规则,并引入贝叶斯网络原理,建立了运用贝叶斯网络进行军事工程毁伤评估系统建模的分析框架;在确定军事工程毁伤评估网络节点变量的基础上,以仿真计算数据为样本,确定网络结构和网络参数,寻找隐含的概率依赖关系和知识表达,构建军事工程毁伤评估置信模型。通过实例验证了用贝叶斯网络进行军事工程毁伤评估与推理的有效性。     

Mining Bayesian networks out of ontologies

Probabilistic reasoning is an essential feature when dealing with many application domains. Starting with the idea that ontologies are the right way to formalize domain knowledge and that Bayesian networks are the right tool for probabilistic reasoning, we propose an approach for extracting a Bayesian network from a populated ontology and for reasoning over it. The paper presents the theory behind the approach, its design and examples of its use.     

Reasoning composite beliefs using a qualitative approach

A Bayesian network is a knowledge representation technique for use in expert system development. The probabilistic knowledge encoded in a Bayesian network is a set of composite hypotheses expressed over the permutation of a set of variables (propositions). Ordering these composite hypotheses according to their a posteriori probabilities can be exponentially hard. This paper presents a qualitative reasoning approach which takes advantage of certain types of topological structures and probability distributions of a Bayesian network to derive the partial ordering of composite hypotheses. Such an approach offers an attractive alternative to reduce the computational complexity of deriving a partial ordering in which consistency is guaranteed.This work is supported in part by a grant to Queens College from the General Research Branch, National Institute of Health under grant No. RR-07064.     

贝叶斯网络预测平台的设计与开发

针对在实际应用中,需要根据不同的对象建立不同的贝叶斯网络来解决预测问题,设计并开发了贝叶斯网络预测平台,介绍了平台的结构和功能,重点介绍了平台实现时网络的数字化和网络拓扑结构的问题.利用数字形式描述网络的全部信息,用关系矩阵直观的描述节点间的依赖关系,并据此确定网络的拓扑结构,利用基于随机数的仿真算法对网络进行推理.该平台简单易用,为贝叶斯网络的建立和推理提供了一个通用的运行环境.     

使用贝叶斯网络的高效模拟矢量生成方法

以提高验证效率、缩短验证周期为目标,使用贝叶斯网络优化模拟矢量,有效地缩小了用于回归测试的模拟矢量规模.采用信息论中的互信息作为评测准则,在输入变量和分支语句之间建立贝叶斯网络,并使用该网络进行推理和产生新的模拟矢量.实验结果表明:使用不同推理算法生成的模拟矢量长度大大缩短,平均为原有模拟矢量的1*/10左右,其中最高路径覆盖率达到甚至超过了原有样本.     

A general framework for assessing system resilience using Bayesian networks: A case study of sulfuric acid manufacturer

Supply chains play an important role in modern society and national economic development. In recent years, supply chains are more susceptible to variety of disruptive events, including natural disasters, man-made attacks, and common failures due to their complexity, globalization, and interconnected structures. Hence, it is important to design resilient supply chains which are capable of withstanding and recovering rapidly from disruptive events. This paper first explores the key drivers that contribute to the design of resilient supply chains based on the notion of absorptive, adaptive and restorative capacities. Second, it introduces a generic conceptual framework comprising five key phases: threat analysis, resilience capacity design, resilience cost evaluation, resilience quantification, and resilience improvement. The primary challenge to the literature of system resilience is how to measure it qualitatively. Findings from literature indicate that many of the drivers to the system resilience are qualitative such as staff cooperation and collaboration during disruptive events, level of preparation against natural disaster, among others. To fill the gap between qualitative and quantitative assessment of resilience, we employed Bayesian network to quantify the system resilience. Bayesian network is a rigorous tool for measuring risks under uncertainty, representing dependency between causes and effects, and making special types of reasoning. Additionally, it is capable of handling both qualitative and quantitative variables in terms of probability. We implemented Bayesian network for quantifying the supply chain system resilience of sulfuric acid manufacturer in Iran. Different scenarios have been defined and implemented to identify critical variables that are susceptible to the system resilience of sulfuric acid manufacturer.     

贝叶斯网络在战术态势估计中的应用

战场态势估计是指挥决策的基础,如何进行合理的态势估计是当前战场指挥系统中最重要的组成部分;作为一种知识表示和进行概率推理的框架,贝叶斯网络在具有内在不确定性的推理和决策问题中得到了广泛的应用;因果推理是态势估计中的一个重要环节,用贝叶斯网络找出态势假设和事件之间的潜在关系,正是态势估计所需完成的功能;根据态势与事件之间不同的连接关系建立态势估计的贝叶斯网络模型,介绍贝叶斯网络推理算法和步骤,并给出实例仿真;结果表明,将贝叶斯网络用于态势估计,能够进行推理得到完整的战场态势信息,为决策提供依据。     

一种改进的贝叶斯网弧定向算法研究

贝叶斯网络是用来表示变量集合概率分布的图形模式,它提供了一种方便地表示概率信息的方法,它可以表示因果关系,但并不局限于因果关系。贝叶斯网对不确定性问题有很强的推理能力,近几年来受到众多研究者的重视。贝叶斯网络中弧的定向是指在已经有了变量之间的依赖关系图的条件下确定变量之间的边的方向的过程。介绍了一种改进了贝叶斯网弧定向的方法,该方法结合了目前多种定向方法的优点,实验证明该算法优于已存在的弧定向方法。     

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。