基于概率推理的入侵意图识别研究

攻击者的入侵行为背后往往蕴含着攻击者的目标和意图,据此提出了入侵意图识别的层次化模型。为了处理网络环境中的不确定性信息,提出了基于概率推理的入侵意图识别算法,并在此基础上预测攻击者的后续攻击规划和目标,从而起到提前预警的作用。根据网络安全事件、目标和意图之间的因果关系建立的贝叶斯网络能够描述和处理并发意图识别问题。试验证明了该方法的可行性和有效性。     

基于多元概率推理模型的中文书写纹识别

针对中文短文本分类问题,从集成学习的角度提出一种基于多元概率推理模型的书写纹识别方法。将初始样本集划分为等粒度、可交叉的样本子集,构造具有差异性的子空间,在各子空间上采用基于概率推理模型的基分类器训练样本,通过概率求和法融合所有基分类器的输出得到训练样本的最终识别结果。实验结果表明,该方法对于网络书写纹具有较好的识别效果,查全率、查准率和Fl度量值分别高达81．6％、85．9％和83．69％。     

概率规划识别的研究*

概率规划识别由于其自身的实用性,已经成为人们关注的热点。因此,越来越多的学者致力于该领域的研究,至今已研发出多款高效优质的概率规划识别器,都取得了良好的效果。为了使广大学者对概率规划识别有一个较为全面的了解,就概率规划识别的发展、求解方法及其应用作了介绍。     

基于流演算的智能体行动推理模型设计与实现

并发约束程序设计在人工智能程序设计领域中占据越来越重要的位置,约束处理规则作为新一代的并发程序设计正倍受关注.对约束处理规则和流演算理论及其实现语言FLUX进行了研究,结合流演算和JCHR推理模型优点,设计了一种基于Java的流演算解释器JFLUX,同时提出了一个基于目标驱动的,在不完全可知的虚拟环境中通过感知到的有限信息进行自主行动推理能力的智能体模型,实现了办公室场景中智能体行动推理系统.     

采用概率神经网络的光学汉字识别

在汉字识别预处理的基础上，本文提出了一种基于概率神经网络的高级分类系统。分类器的训练从使用四种字体的失真模型化字符开始，将失真字符在计算中得到的特征集进行统计测试。在基础上，为得到最邻近分类器，将特征向量以合适的识别空间，并在此空间中对概率神经网络进行训练。分类方面，对传统方法提出了一咎改进、并应用概率神经网络结构例提到显著提高。最后，将这种方法与采用识别分析的方法及Ｇｅｖａ、Ｓｉｔｔｅ的表达决策     

概率规划识别的研究与发展

概率规划识别由于其自身的实用性,已经成为人们关注的热点。因此,越来越多的学者致力于该领域的研究,至今已研发出多款高效优质的概率规划识别器,都取得了良好的效果。为了使广大学者对概率规划识别有一个较为全面的了解,文章就概率规划识别的发展,方法及其应用做以介绍。     

概率神经网络方法在岩性识别中的应用

本文研究利用概率神经网络方法进行测井资料的岩性识别;建立了测井解释的岩性识别模型,并利用该模型对测试样本进行预测,预测结果与实际测量结果相比具有较好的一致性,其计算量小且预测精度与收敛速度较BP神经网络模型有了很大的提高;应用表明,概率神经网络在岩性识别问题中有着一定的应用前景。     

文本蕴涵的推理模型与识别模型

该文首先介绍一个逼近文本蕴涵关系的推理模型,它由带有推理规则集的蕴涵型式知识库和相关的概率评价构成。接着介绍习得推理规则和蕴涵型式及其概率的几种方法,包括从平行或单一语料库中学习和从网络文件中学习。然后介绍基于词汇概率的蕴涵识别模型,包括通过构建词汇蕴涵的概率模型和基于词汇所指的语义匹配模型来逼近文本蕴涵的几种方法。最后介绍基于句法的语义分析模型,包括基于依存树节点匹配、论元结构或原子命题匹配等处理模型。     

通信信号识别分类与识别概率探讨

本文讨论了一种通信信号的自动识别分类方法,采用信号处理和模式识别对信号频域特征和调制类型进行提取分析。并对识别概率进行了详细讨论。测出了12种典型信号的频谱识别图和识别概率。     

多Agent战术意图识别的知识组织与问题求解

通过对军用计划识别领域特性的分析,指出多Agetit战术意图识别问题本质上是一个反绎推理问题。在对战术意图识别问题详细展开的基础上,重点论述了多Agetit战术意图识别问题中计划库的知识组织与逻辑描述,建立了战术意图识别过程中诸要素之间的逻辑联系,并以此为基础框架提出了基于反绎逻辑的计划识别算法。     

面向用户偏好发现的隐变量模型构建与推理

电子商务应用中产生了大量用户评分数据,而这些数据中富含了用户观点和偏好信息,为了能够从这些数据中准确地推断出用户偏好,提出一种面向评分数据中用户偏好发现的隐变量模型（即含隐变量的贝叶斯网）构建和推理的方法。首先,针对评分数据的稀疏性,使用带偏置的矩阵分解（BMF）模型对其进行填补;其次,用隐变量表示用户偏好,给出了基于互信息（MI）、最大半团和期望最大化（EM）算法的隐变量模型构建方法;最后,给出了基于Gibbs采样的隐变量模型概率推理和用户偏好发现方法。实验结果表明,与协同过滤的方法相比,该方法能有效地描述评分数据中相关属性之间的依赖关系及其不确定性,从而能够更准确地推断出用户偏好。     

A model of (en)action to approach embodiment: a cornerstone for the design of virtual environments for learning

This paper presents a model of (en)action from a conceptual and theoretical point of view. This model is used to provide solid bases to overcome the complexity of designing virtual environments for learning (VEL). It provides a common grounding for trans-disciplinary collaborations where embodiment can be perceived as the cornerstone of the project. Where virtual environments are concerned, both computer scientists and educationalists have to deal with the learner/user’s body; therefore the model provides tools with which to approach both human actions and learning processes within a threefold model. It is mainly based on neuroscientific research, including enaction and the neurophysiology of action.