巴特

BaRT:一个基于知识系统的贝叶斯推理工具。Bayesian推理和其他知识的建立使Bayesian推理技术和其他解决问题的工具变得可用。本文讨论了最先进的概率方法如何自然地融入到基于知识的解决分类问题的方法中,考察了BaRT的当前能力。作为表示工具,概念结构表示语言(CSRL)被设计用来促进以与一般任务观点相称的方式构造分类问题求解器。(2)将知识集合到一个关键的知识集合中:(1)将知识集合到一个关键的集合集合集合中;(3)定性量表用于衡量置信水平。整个BaRT体系结构由三个主要部分组成:知识获取系统、网络编译器和核心推理例程。当前版本的BaRT支持三种知识表示:贝叶斯网络、影响图和分类层次,并将实现基于概率语义的缺省推理和属性继承方法。BaRT系统和CSRL之间的关系很简单:BaRT实现允许定义任意的子类-超类层次结构,分类层次结构与CSRL中使用的分类树相对应。BaRT项目的目标是将关于似然推理的几种理论观点结合在一起,以便在实际应用中有效和实用。BaRT已被用作船舶图像分类的辅助决策工具,并作为情报报告分析系统的推理组件。因为BaRT的所有功能都是基于可靠的概率语义,所以它具有计算规范和公理推理的额外优势。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换