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。     

从确信因子模型到Bayes网络

本文研究确信因子模型与Bayes网络之间的区别与联系。首先讨论确信因子模型理论基础的局限性，证明确信因子模型中蕴含着与简单Bayes模型一样的条件独立性假设；然后探究Bayes网络中对应于确信因子模型的若干功能，提出Bayes网络推理中务件对推理结论的影响程度与作用方向的概念、分析方法和计算公式，证明Noisy-OR模型的概率推理与确信因子的推理的等价性；最后从知识的表示、推理、获取等三个方面讨论Bayes网络相对于确信因子模型的比较优势。本文的研究表明Bayes网络不仅具备确信因子模型的主要功能，而且可以突破确信因子的局限性。它有望取代确信因子模型，成为基于概率的智能信息处理模型中的一种主流模型。     

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．     

基于Bayes参数估计的垃圾邮件过滤算法研究

朴素Bayes邮件过滤算法由于简单、易于理解,已被人们广泛接受,并应用到一些商用邮件系统当中.但面对目前垃圾邮件问题依然严重的现状,人们逐渐开始认识到采用简单的朴素Bayes邮件过滤算法已不能满足现有邮件过滤的性能要求.Bayes网络一直以来作为知识发现的一个重要分支,是人们研究的热点;邮件过滤问题也可以映射到一个Bayes决策网络模型中.通过构建针对邮件过滤的Bayes决策网络模型,并经过概率学习对关键节点作Bayes参数估计,可以实现邮件的概率分类发现.邮件样本试验结果表明新算法与朴素Bayes邮件过滤算法相比具有更快的收敛速度和更高的稳定性.     

Bayes网络最优近似下边缘分布的不变性

删除Bayes网络中的弧以减小网络结构的复杂性，从而降低概率推理算法的复杂度是一种对Bayes网络进行近似的方法．该文讨论了在删除Bayes网络中的一条弧之后得到的最优近似概率分布和原概率分布之间的关系，证明了对满足一定条件的结点子集而言，其边缘概率分布在近似以后具有不变性．     

基于MATLAB/SimEvents的网络仿真研究

为实现网络仿真,从网络属于离散事件系统入手,参考一般网络仿真工具NS2的建模原理.并利用离散事件仿真工具SimEvents对节点、链路等网络构件进行建模,实现了包含UDP及流量发生器等的网络仿真.仿真实例说明在MATLAB单一平台上可以实现有效的网络仿真.     

基于MATLAB／SimEvents的网络仿真研究

为实现网络仿真，从网络属于离散事件系统入手，参考一般网络仿真工具NS2的建模原理。并利用离散事件仿真工具SimEvents对节点、链路等网络构件进行建模，实现了包含UDP及流量发生器等的网络仿真。仿真实例说明在MATLAB单一平台上可以实现有效的网络仿真。     

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。     

单元化单隐变量变结构DDBN推理算法

变结构动态贝叶斯网络（DBN）描述的是一个非稳态随机过程,是一种更灵活、更有效的动态网络。为了克服现有变结构DBN的推理算法不能实现在线推理的缺陷,提出了一种近似在线推理算法--单元化单隐变量变结构离散DBN（DDBN）推理算法。在定义了单隐变量变结构离散动态贝叶斯模型和单元的基础上,提出了算法的基本思想,并从理论上对算法进行了推导。仿真实验验证了该算法的正确性和有效性。     

基于推理信息量的BN参数学习变量离散化方法

提出推理信息量的概念,将其作为贝叶斯网络连续变量离散化评价标准。在连续变量离散化的过程中,采用遗传算法寻求最优解,设计个体编码方式、交叉算子和变异算子,将推理信息量作为衡量个体适应度的标准。实例分析证明,通过该方法对变量进行离散化后学习得到的贝叶斯网络在推理时能得到更大的推理信息量。     

基于NS2的距离向量算法仿真及结果分析

NS(Network Simulator)是面向对象的大型离散事件可视化仿真器,它不仅能实现复杂的网络数据传输和拓扑结构的仿真．还能模拟各种IP网络环境。该文阐述了NS的体系结构、特点、基于NS网络仿真的方法和一般过程。实现了一个20结点的局域网的距离向量路由算法仿真,并用Nam工具实现了DV算法的动画仿真效果,用Xgraph工具描绘了链路上的流量曲线,实验表明在DV算法下数据包丢失和阻塞干扰等现象的客观存在。     

基于全局消息传播的贝叶斯推理

在贝叶斯网络中，常常需要作不确定概率推理。然而针对一般复杂网络，精确推理算法由于计算复杂度太高而常常被摒弃。针对这一问题，本文提出了一种基于全局传播的PPJT近似推理算法。PPJT算法采用消息传播机制，通过消息的收集与分发过程，可以更新和修正连接树节点的团势并最终生成相容连接树。与另一种常用的近似推理算法即似然权重（Likelihood Weighting）算法的时间性能对比实验显示，采用消息传播机制的PPJT算法有效地降低了计算的时间复杂度；同时与似然权重算法的性能对比实验表明，在相对小规模观察样本输入条件下，PPJT算法能够保证更高的概率推理精度。PPJT算法为实现一般复杂网络中的概率推理提供了一种新的理论工具。     

基于朴素Bayes组合的简易集成分类器

朴素Bayes分类器是一种简单有效的机器学习工具.本文用朴素Bayes分类器的原理推导出"朴素Bayes组合"公式,并构造相应的分类器.经过测试,该分类器有较好的分类性能和实用性,克服了朴素Bayes分类器精确度差的缺点,并且比其他分类器更加快速而不会显著丧失精确度.     

智能CAD工具

本文介绍我们开发的运用人工智能技术的CAD工具:演绎CAD数据库;具有推理能力并内含演绎版图数据库的版图语言;能从晶体管网络中识别基本逻辑单元和从基本逻辑单元网络中识别复杂逻辑电路的电路识别工具。     

变结构动态贝叶斯网络的机制研究

传统的动态贝叶斯网络(Dynamic Bayesian networks, DBNs)描述的是一个稳态过程,而处理非稳态过程,变结构动态贝叶斯网络更适 用、更灵活、更有效.为了克服现有变结构离散 动态贝叶斯网络推理算法只能处理硬证据的缺陷,本文在深入分析变结构动态贝叶斯网络机制及其特 征的基础上,提出了变结构离散动态贝叶斯网络的 快速推理算法.此外,对变结构动态贝叶斯网络的特例,即数据缺失动态贝叶斯网络进行了定义并构建 了相应的模型.仿真实验验证了变结构离散动态贝 叶斯网络快速推理算法的有效性及计算效率.     

贝叶斯网络扩展研究综述

贝叶斯网络是一种能够对复杂不确定系统进行推理和建模的有效工具,广泛用于不确定决策、数据分析以及智能推理等领域.由于理论和实际的需要,贝叶斯网络不断扩展,出现了各种模型和研究方法.为此,综述了贝叶斯网络在不同领域的扩展模型以及在不同理论框架下的进展,并展望了未来的几个发展方向.     

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.     

语义网络在法律专家系统中的应用研究

语义网络是一种基于心理学认知模型的知识表达形式,能够将发散抽象的概念统一起来,形成的一个较为直观的图谱。基于语义网络的推理应用十分广泛,从简单的字符识别到复杂的国际象棋,从特定问题的求解到通用领域应用,诸如医疗疾病诊断、矿石筛选、气象分析以及法律专家推理等。本文根据法律关系中的概念体系来研究人工智能中的语义网络在法律推理中的应用。     

基于模糊动态贝叶斯网络的辐射源威胁估计

针对复杂电磁环境下观测数据的不确定性,建立辐射源威胁评估的离散模糊动态贝叶斯网络模型。对连续观测值通过模糊分类函数进行模糊分类,获得连续观测值属于各个模糊集合的隶属度,结果作为离散模糊动态贝叶斯网络的输入。对动态贝叶斯网络的推理算法进行了改进,使其能处理具有多个状态的观测值。仿真结果表明,依据离散模糊动态贝叶斯网络所建立的辐射源威胁评估模型,能够准确跟踪战场态势的变化,及时发现态势的转换边界,而且在观测值出现大量错误时,仍然可以给出正确的评估结果。     

MCU AI部署技术和方法

用微控制器实现人工智能是近年来嵌入式产品开发的热点和难点.本文讨论在MCU上部署深度网络模型,在MCU上进行推理的方法、技术和工具,分析部署MCU AI的流程、MCU深度网络模型支持库以及网络模型转换工具和优化方法,最后介绍知名MCU供应商发布的深度网络模型训练和部署工具.