贝叶斯网络精确推理算法的研究

贝叶斯网络是以概率理论为基础的不确定知识表示模型,贝叶斯网络推理的目的是得到随机变量的概率分布。目前,最流行的推理算法是联合树算法,它的主要思想是将贝叶斯网络转化为一棵无向树,在无向树上完成消息传递过程,求出原贝叶斯网络中任意随机变量的概率分布。为了降低算法的计算时空复杂度,对算法进行了不断的改进,为贝叶斯网络推理算法的进一步研究提供了条件。     

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。     

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.     

离散动态贝叶斯网络推理的编程计算算法

离散动态贝叶斯网络是对时间序列进行建模和推理的重要工具,具有广泛的建模应用价值,但是其推理算法还有待进一步完善。针对构离散动态贝叶斯网络的推理算法难以理解、编程计算难、推理速度慢的问题,给出了实现离散动态贝叶斯推理算法的数据结构,推导了进行计算机编程计算的推理算法和编程步骤,并通过实例进行了算理验证。     

多模块贝叶斯网络中推理的简化

多模块贝叶斯网络(MSBN)引入了模块化和面向对象思想，是复杂大系统建模的有力工具．目前，如何简化MSBN中局部和全局推理的时空复杂度已成为影响其应用的关键问题．首先分析了用于局部贝叶斯网络推理的两类经典算法的时空复杂度，证明了它们本质上的一致性，并给出了统一的理论解释；进而用实验证明了影响推理复杂度的决定性因素是网络模型相应导出图的导出宽度，并指出了可以精确推理的贝叶斯网络族．最后，分析了降低MSBN全局推理复杂度的可行性，给出了简化MSBN全局推理的指导性原则．     

一类贝叶斯网络的线性推理

贝叶斯网络提供了表示变量集之间概率依赖性的一个自然有效的方法,而且其推理方法是主观贝叶斯方法的一个扩展,具有坚实的概率理论基础,因此,许多人工智能的研究者都采用贝叶斯网络作为一种知识表示的方法,将其应用到各种问题领域。如:故事理解、规划、电路错误检测和医学诊断等等。但是,贝叶斯网络已遭受到一些人工智能研究者的批评,因为它们需要大量的数值概率值使不确定关系量化,     

基于团树传播的证据网络推理算法

将团树传播算法应用于证据网络中,解决复杂的多连通知识网络结构下的信度推理问题.将复杂多连通网络构造成一棵团树,并将联合信度作为团节点的参数实现复杂多连通网络结构上的证据网络信度推理.在进行联合信度函数信息融合的过程中,通过引入两种新的交并运算实现对DSmT组合规则的改进,减少不确定性.最后通过实例验证了所提出方法的可行性.     

基于贝叶斯网络不确定推理的研究

本文介绍了贝叶斯定理和贝叶斯网络的基本概念。提出可以利用贝叶斯网络表示和处理智能信息系统中的不确定性．讨论了贝叶斯网络的推理方法，并给出一个示范性的例子，阐述字使用贝叶斯网络进行不确定推理的过程。     

基于贝叶斯网络的推理在城镇土地估价分析中的应用

分析了贝叶斯网络的工作原理,结合城镇土地估价的业务流程,将其推理机制在城镇土地估价中加以应用,结果表明,能取得较好的效果。     

基于贝叶斯网络推理的起落架系统故障诊断技术研究

民机起落架系统结构复杂,是典型的故障多发系统,实际诊断过程主要依赖于排故手册流程和工程经验积累,存在诸多不确定性因素。贝叶斯网络是用有向无环图的形式表达变量间因果关联关系,可以充分利用专家知识和试验信息进行基于概率的统计推断,适于处理复杂系统的不确定性问题。通过深入分析某型民机起落架技术资料,建立了基于贝叶斯网络的起落架系统诊断架构,结合专家知识和维护经验提出了基于贝叶斯网络的起落架系统故障诊断方法,并给出了网络推理流程,提升了起落架系统故障诊断效率和精度。     

支持规则推理的神经网络模型

本文研究了支持规则推理的神经网络模型，表明通常执行的推理与符号系统在方法上确实相似，只是它们对常识推理提供了更多的方法。CONSYDERR是一种支持常识推理的连接结构，其目的是给出常识推理的一种模型，并纠正传统规则系统中的脆弱性问题。本项工作表明，推理的连接模型不仅实现了符号推理，而且是一种更好的常识推理的计算模型。     

Automatic parameter tuning for Evolutionary Algorithms using a Bayesian Case-Based Reasoning system

The widespread use and applicability of Evolutionary Algorithms is due in part to the ability to adapt them to a particular problem-solving context by tuning their parameters. This is one of the problems that a user faces when applying an Evolutionary Algorithm to solve a given problem. Before running the algorithm, the user typically has to specify values for a number of parameters, such as population size, selection rate, and probability operators.This paper empirically assesses the performance of an automatic parameter tuning system in order to avoid the problems of time requirements and the interaction of parameters. The system, based on Bayesian Networks and Case-Based Reasoning methodology, estimates the best parameter setting for maximizing the performance of Evolutionary Algorithms. The algorithms are applied to solve a basic problem in constraint-based, geometric parametric modeling, as an instance of general constraint-satisfaction problems.The experimental results demonstrate the validity of the proposed system and its potential effectiveness for configuring algorithms.     

一种贝叶斯网络分类器集群式参数学习的降噪算法

文中首先分析降噪集成算法采用的样本置信度度量函数的性质,阐述此函数不适合处理多类问题的根源。进而设计更有针对性的置信度度量函数,并基于此函数提出一种增强型降噪参数集成算法。从而使鉴别式贝叶斯网络参数学习算法不但有效地抑止噪声影响,而且避免分类器的过度拟合,进一步拓展采用集群式学习算法的鉴别式贝叶斯网络分类器在多类问题上的应用。最后,实验结果及其统计假设检验分析充分验证此算法比目前的集群式贝叶斯网络参数学习方法得到的分类器在性能上有较显著提高。     

用于态势评估中因果推理的贝叶斯网络

1 引言贝叶斯网络是由R.Howard和J.Matheson于1981年提出来的,它主要用来表述不确定的专家知识。后来经过J.Pearl,D.Heckerman等人的研究,贝叶斯网络的理论及算法有了很大的发展。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已经得到了广泛的应用,例如概率专家系统、计算机视觉和数据挖掘等。     

改进学习贝叶斯网络结构的MDL准则

文章针对用于BN结构学习的MDL准则在继承性方面的不足,通过扩充DL测度的组成要素,在其中增加一项旨在反映目标网络结构与当前网络结构拓扑差异度的描述长度指标,改进MDL准则,使其具备处理先验知识的能力。     

多值因果图的一种推理算法

该文针对多值因果图存在的两个困难:不严格满足概率论;将其用于实际问题时,推理结果可能出现错误。提出了一种基于因果影响可能性分配的推理算法。该算法对多值因果图进行了补充定义,使多值因果图能够兼容单值因果图;定义了事件变量状态可能性,及其精确计算方法和近似计算方法;给出了将多值因果图转化为单值因果图的方法和步骤,并推导了相应的计算公式;给出了收到证据后,感兴趣变量状态的后验概率计算方法。以核电站二回路系统中蒸汽发生器故障诊断因果图为例,展示了该算法推理计算的全过程。实例表明,该算法能够有效地克服多值因果图存在的困难,其推理过程严谨,计算结果符合实际情况。     

基于COM组件的网络专家系统推理机的研究和实现

网络专家系统推理机是在异构平台环境下运行的,这就要求该系统在设计时就要考虑到软件的跨平台性,能够屏蔽网络硬件平台的差异和操作系统与网络协议的异构性。文章就此进行了研究,提出了把中间件技术运用到网络农业专家系统推理机当中去,这种中间件技术就是COM组件。     

基于Bayes估计的WSN自适应路由算法

针对无线传感器网络中存在的路由请求域动态调整问题,提出一种基于Bayes估计的无线传感器网络自适应路由算法。该算法以圆柱形路由请求域的半径作为调整参数,利用Bayes估计对路由请求域进行自适应调整。仿真结果表明,该算法在数据包投递率、路由开销、数据包平均时延和网络剩余能量比率上的性能都优于AODVjr路由算法。     

一种混合的贝叶斯网结构学习算法

贝叶斯网是人工智能中一个重要的理论模型,也是现实世界中不确定性问题建模的重要工具.针对贝叶斯网的结构学习问题,提出了一种将约束满足、蚁群优化和模拟退火策略相结合的混合算法.新算法首先利用阈值自调整的条件测试来动态地压缩搜索空间,在加速搜索过程的同时保证学习的求解质量;然后在基于MDL的蚁群随机搜索中引入模拟退火的优化调节机制,改进了算法的优化效率.实验结果验证了所提策略的有效性,与最新的同类算法相比,新算法在保持较快收敛速度的前提下具有更好的求解质量.