|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 机器推理的进展与展望显示文摘机器学习算法的发展仍受到泛化能力较弱、鲁棒性较差、缺乏可解释性等问题的限制.文中介绍机器推理,说明推理对于机器学习人的知识和逻辑、理解和解释世界的重要作用.首先分析人类大脑推理机制,从认知地图、神经元和奖赏回路,扩展到受脑启发的直觉推理、神经网络和强化学习.进而总结机器推理的方式及其相互关联的现状、进展及挑战,具体包括直觉推理、常识推理、因果推理和关系推理等.最后展望机器推理的应用前景与未来的研究方向. | 丁梦远 兰旭光 彭茹 郑南宁 | 2021 | 模式识别与人工智能2021，34，1： | 7 |
| 2 | 基于端云协同体系的预训练大模型及其服务化显示文摘传统云计算模式将所有数据集中,以中心化原则在云上训练大模型,通过云服务支撑端侧多样服务需求,这一模式存在网络时延大、隐私安全低和算力成本高等不足。在“泛在互联、移动优先、AI赋能”时代,需要机器学习支撑丰富多样端侧应用,因此建立端云协同计算范式,既提供云上服务和端侧推理能力,又推动云上模型和端侧模型的协同进化,从云计算和端智能向端云协同进化计算模式进行跨越,充分发挥云上、端侧和端云链中各类计算资源的最佳效果是当前的重大挑战。本文围绕云上预训练大模型、端云协同体系、基于端云协同体系的预训练大模型服务化与隐私保护,以及未来挑战进行了讨论。 | 杨洋 况琨 陈政聿 孙逸飞 方陶然 张圣宇 孙建凯 杨鑫 杨红霞 吴飞 | 2022 | 人工智能2022，，6： | 2 |
| 3 | 基于因果推断肺癌患者生存时间预测方法显示文摘医学上常用回归的方法评估肿瘤患者的生存时间,但有一定的局限性。为了提高回归结果,提出一种基于因果推断的患者生存时间预测方法(MRCI-DNN)。采用因果推断算法构建病理因素与患者生存时间的因果网络结构图,从因果网络结构图中筛选主要因素,并结合深度神经网络模型预测生存时间。实验表明,肺癌分期、放化疗、吸烟、PLR、肺癌类型及NLR是影响肺癌患者生存时间的主要因素。通过实验对比,基于因果推断方法筛选主要因素应用在深度神经网络预测上要优于其他选择特征方法。 | 马真真 万亚平 刘纯 周琦 | 2023 | 计算机应用与软件2023，40，4： | 1 |
| 4 | 教育研究中的计算驱动手段探究显示文摘近年来,人工智能和网络通讯等技术的发展使高效分析和理解教育教学过程中涌现的海量数据成为可能。由此,研究数据驱动机器学习模式下有效的计算模型和手段,从数据中洞悉教育教学中客观规律和模式,成为教育研究的热点之一。为此,文章首先回顾了教育研究所属范畴的历史变化过程;然后,文章围绕教育作为自然科学研究对象所具有的以实证经验为基础、以量化计算为手段的特点,介绍了教育过程复杂性建模、教育效果由果溯因评测以及教育实验随机对照分析三个问题中的若干计算手段;最后,文章根据现有人工智能模型解释性不强这一局限性难以更好促进教育研究进展现状,指出数据和知识双轮驱动、闭环反馈回路、随机对照实验前提假设等是教育研究技术手段今后发展的趋势,以期建立解释性更强教育研究理论和方法。 | 朱雨萌 钭兰朵 许馨宸 吴飞 | 2023 | 现代教育技术2023，33，2： | 1 |
| 5 | 面向设备点检故障根因分析的因果知识建模方法显示文摘设备点检记录是支撑故障原因分析与处理的重要信息来源,目前亟需对设备点检故障中的根因信息进行有效挖掘,以提升设备预防性维护的可靠性。鉴于此,首次将因果科学论引入制造领域,提出一种面向设备点检故障根因分析的因果知识建模方法。首先,从设备点检故障文档中提取事件知识,构建故障运维因果知识图谱;其次,定义故障运维因果知识规则,形成结构因果图模型;进而,设计一种基于ISPN的因果效应估计学习模型,对故障知识中混杂影响因素进行估计计算,挖掘出影响设备故障发生的语义关系,补全图谱节点间隐含的因果性语义链路;最后,以冶金设备点检故障文档的知识测试了所提方法,验证了因果知识模型估计设备故障根因知识间因果效应的可行性。 | 周彬 花豹 陆玉前 李心雨 李婕 鲍劲松 | 2023 | 计算机集成制造系统2023，29，8： | 1 |
| 6 | 从结构推断到根因识别——工业过程故障根因诊断研究综述显示文摘由于现代工业过程的复杂结构,变量间普遍存在紧密耦合,故障往往在变量间广泛传播,为过程运维带来挑战.针对该问题,工业根因诊断(industrial root cause diagnosis,IRCD)技术应运而生,其从异常变量中确定故障根因,便于针对性故障处理.IRCD包含两个主要步骤:结构推断和根因识别.前者建立变量间的信息传递结构;后者根据传递结构定位根因.然而,现有IRCD综述多侧重于结构推断,未对根因识别步骤进行调研,且未建立起各类IRCD模型与过程特性间的系统关联.为此,从结构推断和根因识别两个层级展开IRCD的研究综述.首先,依据推断准则的异同,归纳4类经典结构推断模型;其次,考虑到过程的高维度、非线性、非平稳性质以及机理知识的效用,对结构推断模型的变种及适用场景进行梳理;随后,对根因识别方法进行归类,包括纯数据驱动、知识与数据融合驱动的范式,涵盖6类典型方法,并分析它们的优势与不足;最后,讨论IRCD技术中存在的挑战,并给出未来研究方向,为后续研究提供参考. | 赵春晖 宋鹏宇 | 2023 | 控制与决策2023，38，8： | 0 |
| 7 | 基于因果关系的故障传播路径辨识方法研究显示文摘针对故障传播路径辨识问题,提出了一种基于因果关系的故障传播路径辨识方法,从因果关系的角度揭示了故障发生及传播的内涵。利用系统中故障发生的因果性,确定故障发生时受影响的变量,构建故障相关变量集合;通过因果关系指示指标确定故障相关变量中各个变量的因果性,构建因果矩阵;提出保可达性的赋权有向图最小生成树算法,根据因果矩阵对相关变量之间的因果性进行图示化表达,确定故障相关变量之间的传播影响过程,实现故障传播路径的辨识。所提方法在双带通滤波器电路上进行了实验验证,实验结果表明了所提方法能够正确筛选故障相关变量集合,分析变量之间的因果关系,辨识出故障传播路径,同时所提方法在时间成本上相较于常用的传递熵方法具有一定的优势。 | 吕佳朋 史贤俊 秦亮 赵超轮 | 2023 | 系统工程与电子技术2023，45，12： | 0 |
| 8 | 基于混合条件独立性测试的因果发现算法显示文摘在因果发现领域中,条件独立性(Conditional independence;CI)测试方法决定了基于约束的算法的效率和准确度.Peter-Clark(PC)算法是应用最为广泛的一个基于约束的算法.由于CI测试方法的局限性,该算法在处理高维数据时存在耗时过长和准确度不高的问题.该文提出一种混合CI测试方法(Mixed CI Test;MCIT),它是一种基于核函数的CI测试方法(Kernel-based Conditional Independence Test;KCIT),并结合偏相关性测试.MCIT能与PC算法结合(称为PC_(MCIT))进行因果发现.MCIT通过偏相关性测试减少了KCIT中存在的大量有关核矩阵的运算,从而提高了因果发现的效率;同时又保留了KCIT能够处理非线性数据的优点,因而保证了因果发现的准确度.在各数据集上的实验结果表明,PC_(MCIT)的精确率比基于KCIT的PC算法(称为PC_(KCIT))有显著提高,与基于非线性回归的PCRCIT算法不相上下;而PC_(MCIT)的平均运行时间比后两者大为缩短. | 陈少凡 韦程东 何国源 彭昱忠 徐辉 | 2023 | 南宁师范大学学报(自然科学版)2023，40，2： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员