刘启元
- 作品数：9 被引量：61H指数：7
- 供职机构：重庆大学计算机学院更多>>
- 发文基金：教育部跨世纪优秀人才培养计划国家自然科学基金重庆市科技攻关计划更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 信度网近似推理算法(下)被引量：7
- 2001年
- 2 仿真方法[14]
基于信度网的精确推理算法通过利用各节点之间的条件独立性来加快推理计算,前面介绍的基于搜索的方法则不仅利用节点间的条件独立性而且利用概率分布的一些特性进行近似计算,但是在很复杂的问题领域要想通过分析条件独立性和利用概率分布的特征来加速推理计算往往不太现实.基于仿真的方法则另辟蹊径,既不利用条件独立性,也不考虑概率分布的特征,而是通过对样本进行统计以得到待求概率的近似值[9].根据概率论,当样本量趋近于无穷大的时候,样本的统计值将等于其概率值,但是当样本量越小的时候,样本的统计值与真实概率值差异的可能性越大,即:p(p-p*＞ε)的值越大.其中p为对样本的统计值,P*为真实的概率值,ε为误差量(一个大于0的正数).随着样本量的增加,统计计算的结果就越精确.但是该精度的给定不象部分精确计算方法那样给一个误差边界,而只能给出一个概率边界.即样本量越大,其统计结果与真实结果的误差小于某误差限的可能性就越高.
- 刘启元张聪沈一栋
- 关键词：人工智能信度网概率分布
- 信度网推理——方法及问题(下)被引量：8
- 2001年
- 3.2团树传播方法[20]
信度网推理的第二类算法为基于团树传播的方法[3,9,7,10].该方法采用了另一种图形表达方式来表达联合概率分布,即采用了另一种对联合概率分布进行参数化的方法.该方法所对应的图形结构是一棵无向树--团树.该树必须满足如下特征: 每一个节点为一个团,每一个团里面将包含一定量的随机变量; 每两个相邻团节点X和Y之间,都有一个分隔节点S,该节点中的随机变量为相邻两节点中随机变量的交集:S=X∩Y; 对于任意两个团节点X和Y,如果它们随机变量集合的交集S不为空,则在连接X和Y路径上所有节点的随机变量集合均包含集合S中的随机变量(即满足Join Tree特征); 对于团树中的每一个节点Xi(包括团节点和分隔节点),都包含有一个函数Фxi.该函数表达了该节点内各个随机变量间的联合概率分布.它将节点Xi中随机变量的每一种取值组合映射为一个≥0的数,该数被习惯称作--势.
- 刘启元张聪沈一栋
- 关键词：信度网推量概率分布知识表达人工智能
- 一种基于CASE的MIS开发方法的研究
- 该文针对MIS系统开发过程中的一些实际问题,在CASE工具--PowerDesigner的基础上,综合O-I-E分析方法,解决了PowerDesigner从客观世界域到软件逻辑模型的映射问题,建立了MIS开发框架,提出了...
- 刘启元
- 关键词：CASE工具
- 信度网近似推理算法(上)被引量：20
- 2001年
- 信度网提供了一套强有力的图形工具来表达基于概率的领域知识,并且已经成功地应用在诸多实际问题中,如:故障诊断、预测、模式识别、数据挖掘等.目前基于信度网提出了多种推理算法以精确计算待求概率值[2,4,12,19,21～23,26,30].这些算法在某些信度网上具有很高的推理效率,但是在最坏情况下这些算法的计算时间复杂度都是NP-难的.
- 刘启元张聪沈一栋
- 关键词：人工智能信度网概率分布
- 信度网推理——方法及问题(上)被引量：16
- 2001年
- 基于概率知识表达的信度网,已成为人工智能非精确知识表达与推理领域近10几年来研究的热点.目前国外的许多研究机构都对信度网进行了深入的研究.这些研究主要集中在以下三个方面:基于信度网的推理、基于信度网的学习和基于信度网的应用.其中基于信度网的推理一般分为:精确推理(即精确计算概率值)和近似推理(近似计算概率值)两个部分,主要研究高效的推理算法[13,6];基于信度网的学习一般分为参数学习和结构学习两个内容,同时根据样本数据的不同性质每一部分均包括:实例数据完备、实例数据不完备两个方面[7,6];基于信度网的应用,主要包括:基于信度网的知识表达、相应的软件工具开发、基于信度网的实例应用等.目前这些研究都取得了丰硕的成果,正逐步走向实际应用.信度网的提出人Pearl教授也于1999年被授予IJCAI杰出研究成果奖.
- 刘启元张聪沈一栋
- 关键词：信度网知识表达人工智能
- 连接池模式和Java连接池被引量：15
- 2001年
- 软件设计模式是面向对象软件设计的一种新的方法。基于软件设计模式 ,设计了用于数据库访问的连接池模式 ,并采用Java实现了此模式。
- 张聪王福川刘启元汪成亮
- 关键词：面向对象连接池JAVA语言软件设计
- 信度网及因果网理论与实现研究
- 刘启元
- 关键词：人工智能信度网
- 信度网结构在线学习算法被引量：8
- 2002年
- 提出一种新的信度网结构在线学习算法.其核心思想是,利用新样本对信度网结构和参数不断进行增量式修改,以逐步逼近真实模型.本算法分为两个步骤:首先分别利用参数增量修改律和添加边、删除边、边反向3种结构增量修改律,并结合新采集的样本,对当前信度网模型进行增量式修改;然后利用结果选择判定准则。从增量式修改所得的后代信度网集合中选择一个合适的信度网作为本次迭代结果.该结果在与当前样本的一致性和与上一代模型的距离之间达到一个合理的折衷.实验结果表明,本算法能有效地实现信度网结构的在线学习.由于在线学习不需要历史样本,且能够不断适应问题域的变化,适合于对具有时变性的领域进行信度网建模.
- 刘启元张聪沈一栋汪成亮
- 关键词：人工智能信度网在线学习算法
- 信度网及因果网理论与实验研究
- 人工智能的核心问题之一是如何表达已有知识以及如何应用已有知识进行分析处理或推理,以得到新的知识.该文主要研究两种基于概率的知识表达与推理方法——信度网和动态因果网.该论文对信度网推理和学习领域进行了研究.在信度网推理领域...
- 刘启元
- 关键词：人工智能AI信度网
- 文献传递
