利用图像描述与知识图谱增强表示的视觉问答

视觉问答作为多模态任务,需要深度理解图像和文本问题从而推理出答案。然而在许多情况下,仅在图像和问题上进行简单推理难以得到正确的答案,事实上还有其他有效的信息如图像描述、外部知识等可以被利用。该文提出了利用图像描述和外部知识增强表示的视觉问答模型。该模型以问题为导向,基于协同注意力机制分别在图像和其描述上进行编码,并且利用知识图谱嵌入,将外部知识编码到模型当中,丰富了模型的特征表示,增强了模型的推理能力。在OKVQA数据集上的实验结果表明,该方法相比基线方法有1.71%的准确率提升,与已有的主流模型相比也有1.88%的准确率提升,证明了该方法的有效性。     

一种融合实体关联性约束的表示学习方法

知识图谱的表示学习方法将实体和关系嵌入到低维连续空间中,从而挖掘出实体间的隐含联系.传统的表示学习方法多基于知识图谱的结构化信息,没有充分利用实体的描述文本信息.目前基于文本的表示学习方法多将文本向量化,忽略了文本中实体间的语义关联.针对上述缺点提出一种利用实体描述文本进行增强学习的方法,基于文本挖掘出关联性实体并对关联性进行分级,将关联性作为辅助约束融合到知识图谱的表示学习中.实验结果表明,该辅助约束能明显提升推理效果,优于传统的结构化学习模型以及基于深度学习的文本和结构的联合表示模型.      

面向推理的知识图谱表示学习方法综述

知识图谱以其错综复杂、信息密集和语义关联的特征,推动了知识应用以及神经网络学科的发展。知识表示学习方法的发展以及日益增长的认知智能需求,使得知识表示与推理成为当前知识图谱和自然语言处理领域的研究热点。得益于良好的知识表示学习方法,基于表示学习的大规模知识推理已在相关数据集上得到验证。文章主要展开如下工作:(1)对已有表示学习与推理方法进行梳理,将知识图谱推理方法划分为:距离模型方法、双线性模型的语义相似度方法、神经网络学习方法和图神经网络学习方法;(2)对未来知识图谱表示学习与推理方法进行展望。知识图谱的表示学习与推理方法的发展,对推动整个知识社区和强人工智能发展具有重要意义。     

基于本体和规则的物流知识表示与推理

为了解决物流领域相关概念的共享和信息集成问题,研究了物流配送过程中相关知识的表示以及基于知识的推理．应用本体论方法分析配货规则,使用本体中表示的概念和属性制定配货规则库．运用Jena推理子系统,对本体和配货规则进行推理,开发了一套基于本体和规则的自动配货系统．由于本体是共享概念模型明确的、形式化的规范描述,可以利用本体强大的语义表达能力、本体所描述的共享知识以及自动推理机制,实现物流企业之间以知识集成为基础的业务集成．     

专家系统中的模糊知识表示及推理研究

结合一种基于特征的零件可制造性评价模型,论述了基于模糊理论的知识表示方法和推理方法,使用隶属函数和模糊规则表示知识,使用匹配度最大优先法和加权证据综合评判算法进行推理研究.     

基于注意力和图网络的多粒度脚本事件推理方法

[目的]对于一些覆盖面广、延续时间长的事件(如台风、洪水等自然灾害),考虑事件演化过程复杂多变,所获取的事件信息存在疏密程度不均的问题,研究其事件推理问题.[方法]提出一种基于注意力机制和图网络的多粒度脚本事件推理方法,通过提取及合并不同粒度的事件信息以获得更丰富的事件语义信息,并结合图注意力网络和事件转移概率矩阵以充分利用密集事件连接提升推理性能.具体而言,首先采用自注意力机制从事件链中获得事件片段,并结合单个事件和事件片段的表示扩展模型输入信息,然后充分利用密集的事件连接,从海量事件新闻中提取事件链构建事件演化图来获得事件转移矩阵,提高模型推理准确率.[结果]在多个真实台风事件以及标准数据集上的实验结果表明,本文所提方法优于传统的基于事件链、基于事件对以及基于事件图等的事件推理模型.[结论]采用自注意力机制从事件链中获得事件片段,并结合单个事件和事件片段的表示扩展模型输入信息可以缓解事件稀疏带来的推理困难问题;仅采用时序关系不能完全表示基本事件链与候选事件的关系,构建事件演化图可以更好的提取事件间的复杂交互信息;多粒度事件信息的融合可以更好地反映候选事件与基本事件链的关系.     

语言值直觉模糊二元组的多重多维推理方法

针对语言值推理中信息缺失的问题,基于直觉模糊集和语言值直觉模糊二元组表示模型,对多重多维模糊推理方法进行扩展,提出了语言值直觉模糊二元组的多重多维推理方法及一种先聚合规则再进行推理的扩展方法.该方法可以有效减少推理过程中语言值信息的缺失,通过将此方法应用于实例中说明了合理性.     

基于案例推理的机械故障诊断方法探讨

介绍了基于案例推理的故障诊断方法的机理,从案例的表示与存储、检索和匹配、修改与维护等3个方面对基于案例推理的机械故障诊断过程进行了分析。表明了基于案例推理的故障诊断方法具有实现方式灵活简便、自学习能力强等特点,使用大量的范例特征集合,能够不断积累问题求解的经验,避免知识荻取的困难,缩短了问题求解途径,提高了推理效率,节省了开发时间,具有很好的应用前景。     

面向开放式信息抽取系统的知识推理验证

开放式信息抽取系统是从Web等非结构化文本中挖掘知识的主要途径,但其抽取结果往往存在大量噪声,对知识发现以及知识库构建产生较大影响。提出一种基于概率软逻辑模型的知识推理验证方法,该方法首先使用一阶逻辑语言对知识抽取结果进行转化和推理,并且在推理过程中引入本体规则进行约束,在此基础上,建立推理规则的自动学习机制,解除传统规则推理对于实体解析规则的依赖,进而实现对知识的自动推理和验证。经实验对比验证,该方法具有更优的算法性能,实现了规则的自动学习,提高了知识推理效率,对验证知识的语义规范性和正确性有积极作用。     

工程分析专家系统的问题求解黑板模型

问题未解模型是组织推理步骤和领域知识进行问题求解的一种模式,本文主要讨论了基于黑板模型的工程分析专家系统的设计方法,包括专家策略知识的多层次表示,深度优先搜索及推理网格的实现,协同式多专家系统的多级推理网络模型的构造,解释机构与人机接口设计以及推理算法.     

基于知识增强的深度新闻推荐网络

在新闻推荐场景下,传统的基于文本特征的新闻推荐模型只考虑了词的共现关系,无法捕获词语的隐含词义和关联知识;而基于深度学习的推荐模型在融合知识图谱信息中仅仅考虑实体的信息,忽略了远距离实体之间的联系,造成实体之间的关联信息和深层次语义联系的缺失.针对该问题提出了一种基于知识增强的深度新闻推荐网络（deep knowledge-enhanced network,DKEN）,利用长短期记忆网络提取知识图谱中的实体路径特征,补充到注意力网络中,然后针对不同的候选新闻动态地构建用户的特征.实验表明该实体路径信息能提高模型的效果,在F₁指标上提升大约1%.      

基于置信规则库的机载导弹故障诊断

针对机载导弹结构日益复杂,传统专家系统故障数据少、故障诊断效率低、准确率不高等问题,提出基于置信规则库的方法对机载导弹进行故障诊断。首先,描述了基于证据推理的置信规则库推理方法,建立输入与输出之间的非线性模型;其次,为解决传统专家系统中初始BRB参数不准确的问题,结合故障位置信息,建立参数优化学习模型;最后,以某型机载导弹的制冷系统为例,对基于置信规则库的机载导弹故障诊断方法进行了验证和对比。结果表明,该方法既能克服传统专家系统诊断效率低的问题,同时能够通过参数训练提高机载导弹的诊断精度,较好地提高了机载导弹故障诊断效率,为机载导弹的维护保障工作提供了参考。     

基于决策技术和粗糙集理论的诊断知识库构建研究

针对目前诊断推理中知识库构建存在知识获取困难,提出了一种基于粗糙集和决策理论的诊断知识库构建模型.该模型引入决策技术和粗糙集理论,对源数据进行预处理,构建决策表,通过属性约简和属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库.实例证明在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征知识,并能有效地解决诊断知识库构建中规则获取的知识冗余或缺失问题,显著提高故障诊断的精度和效率.     

一种基于概率神经网络模型的胃病诊断专家系统

给出了将神经网络与基于规则的专家系统结合起来的一种神经网络模型,在这种模型中,一方面,领域知识以显式方式表示,神经网络的并行推理过程是可以理解和解释的;另一方面,由于通过贝中斯后验概率指定权值,因此避免了神经网络漫长的递归学习过程,提高了学习效率。     

精细拓扑结构表示与深度特征融合在多目标图像检索中的应用

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能.首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的拓扑描述性能,还提供了两种拓扑不变量的推理算法,使得拓扑不变量可以由表示模型直接推导而不需要繁复的几何计算;其次,基于精细拓扑结构表示模型,提出了有效的拓扑结构相似性度量方法,为空间关系特征表达奠定了基础;最后,进一步结合卷积神经网络,提出融合复杂空间关系特征与深度特征的多目标图像检索方法.实验结果表明,所提出的拓扑结构表示模型在空间查询中具有良好的性能;所提出的图像检索框架取得优于现有方法的精度,并能够有效地结合手工特征与深度特征各自的优势,为提升深度学习方法的可解释性创造了有利条件.     

基于ASP的网络化制造资源智能检索知识库模型设计

在对网络化制造资源知识表示进行研究的基础上,提出了从时间、质量、成本、服务、敏捷性、领先性、历史记录等多项指标来分类、描述、存储、管理制造资源知识。结合知识表示与推理、机器学习、数据挖掘、信息过滤、人机交互等多项技术构建了智能化检索系统知识库模型,并对该系统执行机制进行了相关介绍。重点对该知识库的结构模式,相关知识获取、以及推理过程等关键技术问题进行了描述和分析。     

一种基于粒计算的Multi Agent决策算法

为了克服单个Agent知识的局限性,提高系统决策的可靠性,提出了一种基于证据推理和粒计算的Muhi．Agent决策信息融合算法,并对Muhi—Agent合作决策进行了定义和描述。Multi．Agent决策融合划分为观测和决策两个阶段,观测Agent从环境信息中提取特征向量作为输入,信息粒化后降低了合成计算的复杂度。     

基于小波函数的模糊大脑情感学习分类器

将小波函数和模糊推理相结合,提出一种基于小波函数的模糊大脑情感学习分类器(WFBELC)。采用小波函数的时频局部化特性反应输入信号的突变信息,快速精确地逼近信号,并去除噪声;利用参数自学习规则更新WFBELC结构参数。将该分类器应用于3个公开数据集,并与BP算法模型、模糊小脑模型(FCMAC)和模糊大脑情感学习模型(FBEL)进行对比。仿真结果显示,分类器在3个数据集上的分类准确率平均值均为最高,其中,在Wine数据集上的准确率最大值达到100%,平均值为97.56%,表明WFBELC对数据集的学习能力更强,能获得更好的分类效果。     

ESORR-1的知识库结构及不确定性推理方法

本文在分析了单线铁路技术改造方案决策领域知识结构的基础上,提出了一种组合式的知识表示方法,并进一步对优化知识库技术进行了探讨.此外,还在D/S证据理论的基础上,通过建立一种基于区间表示的不确定推理方法,较好地把存在于该领域中的不确定性进行了综合处理.该系统的知识库和不确定性推理方法已在IBM-PC微机上用Turbo Prolog(2.0)开发完成.     

基于半定量SDG模型的化工过程故障诊断

符号有向图(SDG)能够直观地反映系统的复杂因果关系,可以看出故障传播的路径,但是定性SDG故障诊断模型缺少变量之间的定量信息,推理过程中会产生虚假解,分辨率不高。该文针对SDG的不足,引入模糊隶属度,形成半定量SDG模型,即模糊SDG模型。采用反向推理和正向验证相结合的混合推理方法,并把结论编写为"If-Then"形式的知识规则,以便于利用专家系统对系统进行在线诊断。