×

使用概率区间统一参数学习和建模具有认知不确定性的复杂系统。 (英语) 兹比尔1428.68294

摘要:从精度和可靠性不同的异质知识片段中建模复杂的动力学系统是一项具有挑战性的任务。我们建议将动态贝叶斯网络和不精确概率相结合来解决这个问题。为了限制计算负担并使解释更容易,我们还建议将(数值)知识段编码为概率区间,然后将其用于不精确的Dirichlet模型中来更新我们的知识。其思想是获得一个足够灵活的模型,以便它能够轻松应对不同的不确定性(即随机性和认知性),在新知识到达时集成新知识,并且计算复杂性有限。

MSC公司:

68层37 人工智能背景下的不确定性推理
68T05年 人工智能中的学习和自适应系统
68立方英尺 知识表示
PDF格式BibTeX公司 XML格式引用
全文: DOI程序 哈尔

参考文献:

[1] Antonucci,A。;Cuzzolin,F.,《低概率Credal集近似:在Credal网络中的应用》,基于知识的系统设计的计算智能,716-725(2010),Springer
[2] 奥古斯丁,T。;库伦,F。;德库曼,G。;Troffaes,M.,《不精确概率导论》(2014),John Wiley&Sons·兹比尔1290.62003
[3] Barba,D。;Beolchini,F。;关于G.D。;Giacomo,G.D。;Veglió,F.,乳清上乳酸克鲁维酵母发酵动力学分析:分批和分批操作,过程生物化学。,36, 6, 531-536 (2001)
[4] 鲍德里特,C。;库索,I。;Dubois,D.,《风险分析中概率和可能性的联合传播:走向正式框架》,《国际近似推理》,45,1,82-105(2007)·Zbl 1123.68123号
[5] 鲍德里特,C。;Sicard,M。;Wuillemin,P。;Perrot,N.,《通过将异质知识与动态贝叶斯网络相结合,建立卡门伯特型奶酪成熟过程的全球模型》,《食品工程杂志》,98,3,283-293(2010)
[6] 鲍德里特,C。;Wuillemin,P。;Perrot,N.,《建模多尺度食品复杂系统的概率图形模型中的参数启发》,《食品工程杂志》,115,1,1-10(2013)
[7] 伯纳德。,J.,多项式数据的不精确Dirichlet模型简介,《国际近似推理》,39,2-3,123-150(2005)·Zbl 1066.62003年
[8] Bernard,J.,《不精确Dirichlet模型》,《国际近似推理》,第50、2、201-203页(2009年)
[9] Bock,J.D。;Cooman,G.D.,不精确隐马尔可夫模型中的状态序列预测,第七届不精确概率国际研讨会论文集:理论与应用,159-168(2011)
[10] Buntine,W.,《从数据学习概率网络的文献指南》,Knowl。数据工程,IEEE Trans。,8, 2, 195-210 (1996)
[11] Campos,L.D。;Huete,J。;道德。,《概率区间:不确定性推理的工具》,《国际不确定性杂志》,第2期,第167-196页(1994年)·Zbl 1232.68153号
[12] 卡诺,A。;卡诺,J。;Moral,S.,通过模拟退火在团树上传播概率的凸集,In:第五届基于知识的系统中不确定性的处理和管理国际会议论文集(IPMU 1994,4-8(1994)
[13] 卡诺,A。;戈麦斯,M。;道德,S。;Abellán,J.,《信条网络中精确和近似推理的爬山和分枝定界算法》,《国际近似推理》,44,3,261-280(2007)·兹比尔1116.68080
[14] 卡诺,A。;Moral,S.,一种近似凸概率集的遗传算法,Proc。基于知识的系统中信息处理和不确定性管理国际会议,859-864(1996)
[15] 卡诺,A。;Moral,S.,《使用概率树计算概率不精确的边际》,《国际近似推理》,29,1,1-46(2002)·Zbl 1015.68206号
[16] 蔡斯,W.G。;Simon,H.A.,《国际象棋中的感知》,Cognit。心理医生。,4, 1, 55-81 (1973)
[17] Chateauneuf,A。;Jaffray,J.-Y.,通过使用莫比乌斯反演对低概率和其他单调能力的一些表征,数学。社会科学。,17, 3, 263-283 (1989) ·兹比尔0669.90003
[18] 库索,I。;Dubois,D.,《模糊随机变量方差概念的可变性》,IEEE Trans。模糊系统。,17, 5, 1070-1080 (2009)
[19] 库索,I。;Dubois,D。;Sánchez,L.,《随机集和随机模糊集作为错误感知的随机变量:博士生和实践者简介》(2014),Springer·Zbl 1355.60005号
[20] 库索,I。;道德,S。;Walley,P.,不精确概率的独立性概念调查,风险决策。政策,5165-181(2000)
[21] 库索,I。;桑切斯,L.,模糊随机变量的高阶模型,模糊集系统。,159, 237-258 (2008) ·Zbl 1178.60004号
[22] 库索,I。;Sánchez,L.,模糊随机变量诱导的上下概率,模糊集系统。,165,1,1-23(2011年)·Zbl 1219.60005号
[23] Cozman,F.,Credal networks,Artif。智力。,120, 2, 199-233 (2000) ·Zbl 0945.68163号
[24] Cozman,F.,不精确概率的图形模型,Int.J.近似推理,39,2-3167-184(2005)·Zbl 1099.68111号
[25] Cozman,F.,概率测度集的分离性质,CoRR,abs/1301.3845(2013)
[26] 达罗查,J。;Cozman,F.,《在信念网络中用单独指定的概率集进行推理》,《第十八届人工智能不确定性会议论文集》。第十八届人工智能不确定性会议论文集,UAI’02,430-437(2002),Morgan Kaufmann Publishers Inc.:Morgan Koufmann-Publishers Inc.美国加利福尼亚州旧金山
[27] 达罗查,J。;Cozman,F。;de Campos,C.,《具有概率集的多树推断》,《第十九届人工智能不确定性会议论文集》。《第十九届人工智能不确定性会议论文集》,UAI'03,217-224(2003),Morgan Kaufmann Publishers Inc.:Morgan Koufmann-Publishers Inc.美国加利福尼亚州旧金山
[28] de Campos,C。;Cozman,F.,《使用多线性编程在信用网络中的推断》,第二届AI研究者研讨会论文集,50-61(2004)
[29] de Campos,C。;Cozman,F.,通过整数规划进行信用网络推断,第五届不精确概率国际研讨会论文集:理论与应用,145-154(2007)
[30] Dempster,A.,《多值映射诱导的上下概率》,《数学年鉴》。《法律总汇》第38325-339页(1967年)·Zbl 0168.17501号
[31] Destercke,S。;Dubois,D。;Chojnacki,E.,统一实际不确定性表示。ii:云,国际期刊近似推理,49,3,664-677(2008)·Zbl 1184.68504号
[32] Dubois,D.,《不确定性理论:统一观点》,控制论系统,都柏林(爱尔兰),4-94(2007),IEEE
[33] Dubois,D。;阮,H。;普拉德。,可能性理论、概率和模糊集:误解、桥梁和缺口。,(Dubois,D.;Prade,H.,《模糊集基础》,《模糊集合系列手册》(2000年),Kluwer:Kluwer-Boston,马萨诸塞州),343-438·Zbl 0978.94052号
[34] Fagiuoli,大肠杆菌。;Zaffalon,M.,2U:二元变量多叉树的精确区间传播算法,Artif。智力。,106, 1, 77-107 (1998) ·Zbl 0909.68083号
[35] Ferson,S。;金兹堡,L。;克里诺维奇,V。;迈尔斯,D。;Sentz,K.,《构建概率盒和Dempster-Shafer结构》,技术报告(2003),桑迪亚国家实验室
[36] Ferson,S。;Ginzburg,L.R.,传播无知和可变性需要不同的方法,Reliab。工程系统。《安全》,54,2-3,133-144(1996)
[37] Fox,P.,《奶酪-化学、物理和微生物学》(2004),爱思唯尔:爱思唯尔加州圣地亚哥
[38] Gentle,J.,《蒙特卡罗方法》,《百科全书统计师》。科学。(2006)
[39] Grünbaum,B.,凸多面体。1967年(1967年),Interscience:Interscience纽约·Zbl 0163.16603号
[40] Helton,J。;Oberkampf,W.,《认知不确定性的替代表征》,Reliab。工程系统。安全,85,1-3,1-10(2004)
[41] 霍尔布拉克,M。;C.Baudrit,P.W。;Destercke,S.,《动态信用网络:在稳健性分析中的引入和使用》,(Cozman,F.;Denœux,T.;Destercce,S.;Seidenfeld,T..,ISIPTA’13:第八届不精确概率国际研讨会论文集:理论与应用(2013),SIPTA:SIPTA Compiègne),159-168
[42] 艾德·J。;Cozman,F.,用变分平均场方法在credal网络中的近似推断,不精确概率及其应用国际研讨会,203-212(2005)
[43] 艾德·J。;Cozman,F.,《二进制变量信条网络的近似算法》,《国际近似推理》,48,1,275-296(2008)·Zbl 1184.68510号
[44] 艾德·J。;F.G.,C.,Ipe和l2u:credal网络的近似算法,第二届启动AI研究者研讨会论文集,118-127(2004),IOS出版社
[45] Lauritzen,S.,具有缺失数据的图形关联模型的em算法,Computat。统计数据分析。,19, 2, 191-201 (1995) ·Zbl 0875.62237号
[46] 勒克莱尔·佩拉特,M。;Buono,F。;兰伯特,D。;拉特里尔,E。;斯宾勒,E。;Corrieu,G.,卡门贝尔型奶酪的受控生产。第一部分:微生物和物理化学进化,《乳品研究杂志》,71,346-354(2004)
[47] Levi,I.,《知识的企业:关于知识、可信概率和机会的论文》(1983),麻省理工学院出版社
[48] 玛丽埃特,S。;鲍德里特,C。;勒克莱尔·佩拉特,M。;Wuillemin,P。;Perrot,N.,专家知识集成,用于建模复杂的食品过程。在卡门伯特干酪成熟过程中的应用,专家系统。申请。,38, 9, 11804-11812 (2011)
[49] Mauá,D。;de Campos,C。;Benavoli,A。;Antonucci,A.,《信用网络中的概率推理:新的复杂性结果》,J.Artif。智力。决议,50,1,603-637(2014)·Zbl 1366.68329号
[50] 米兰达,E。;库索,I。;Gil,P.,由2-交替能力生成的置信集的极值点,Int.J.近似推理,33,195-115(2003)·Zbl 1029.68135号
[51] Murphy,K.,《动态贝叶斯网络:表示、推理和学习》(2002),加州大学伯克利分校计算机科学部博士论文
[52] 佩罗,N。;阿吉奥,L。;Ioannou,I。;Mauris,G。;Corrieu,G。;Trystram,G.,《利用操作员技能控制模糊符号法奶酪成熟应用的决策支持系统设计》,《食品工程杂志》,64,3,321-333(2004)
[53] 佩罗,N。;特雷利,I。;鲍德里特,C。;Trystram,G。;Bourgine,P.,《复杂食品系统的建模和分析:最新进展和新趋势》,《食品科学与发展趋势》技术。,22, 6, 304-314 (2011)
[54] 皮亚蒂,A。;Antonucci,A。;Zaffalon,M.,《通过信用网络构建基于知识的系统:教程》,高级数学。第11号决议(2010年)
[55] 罗查,J。;Cozman,F.,《信用网络中的证据传播:基于单独指定概率集的精确算法》(Bittencourt,G.;Ramalho,G.,《人工智能进展》,2507(2002)),376-385·Zbl 1031.68596号
[56] Schollmeyer,G.,《关于有限空间上必要性测度核心的极点的数量和特征》,ISIPTA’15:第九届不精确概率国际研讨会论文集:理论与应用,277-286(2015),SIPTA:SIPTA Pescara
[57] Shafer,G.,《证据的数学理论》(1976),普林斯顿大学出版社:新泽西州普林斯顿大学出版·Zbl 0359.62002号
[58] Tijskens,L。;赫托格,L。;Nicolaí,B.,《食品过程建模》。《食品过程建模》,伍德黑德出版的《食品科学、技术和营养丛书》(2001年),伍德海德出版社
[59] Troffaes,M.C.M。;Destercke,S.,《用于多元建模的全预序空间上的概率盒》,《国际近似推理》,52,6,767-791(2011)·Zbl 1235.60006号
[60] Utkin,L.,使用不精确dirichlet模型由未知专家提供判断的概率,风险,决策和政策,9(4):391-400400(2004)
[61] 威利。,P.,《概率不精确的统计推理》(1991),查普曼和霍尔伦敦·兹比尔0732.62004
[62] Walley,P.,《从多项式数据推断:了解一袋大理石》,J.皇家统计学会。B系列(方法学),58,1,3-57(1996)·Zbl 0834.62004号
[63] Yedidia,J.S。;弗里曼,W.T。;Weiss,Y.,广义信念传播,NIPS,13,689-695(2000)
[64] Zadeh,L.,模糊集,信息控制,8,338-353(1965)·Zbl 0139.24606号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。