结构因果模型径路评述

近三十年因果研究取得了长足的进步,除了被誉为“统计学因果推断革命”的潜在结果模型,还有朱迪亚·珀尔所主导的结构因果模型。这个理论在深刻改变社会科学、神经科学和行为科学研究范式的同时,也走出了一条不同于(同时也裨益于)机器学习(深度学习)智能研究的新思路,为人工智能进入“小数据、大任务”的范式发展提供了可能性与光照。本文将对结构因果模型的根本设想、数学化进程及其人工智能愿景做细致地评述。     

原因、假说选择与最佳解释推理

科学哲学领域的方法论研究者提出了各种对“最佳解释”,“融贯性”或者“统合性”的概率测度.这些测度如果有用,至少在某些情况下依赖它们作解释性推理应该比因果推理中通常用的统计方法更准确.格拉斯(2012)发现,大多数此类测度在小样本的情况下都不优于通常统计方法中用的似然度(likelihood)或后验概率.此后,格拉斯(2013)比较了他定义的测度和后验概率对解决一类假说选择问题的优劣.在该类问题中,需要从一组互不相容且非此即彼的假说中择一,但假说的概率未知.他的结果显示,在似然度已知而主观的先验概率和真实的概率分布不同的情况下,如果样本很小,极大化他的测度选择假说可以比极大化后验概率更准确.本文在格拉斯的框架下探究一些一致的模型选择方法在有限样本下的准确性.笔者发现不同方法在准确性上的优劣依赖于真实假说的分布以及所采用的主观先验概率.虽然很多方法可能在所有设置下都不是最优,但也没有方法在所有设置下都是最优.笔者认为,如果对真实假说的分布和主观先验概率没有限定,讨论哪种方法在样本量不大的情况下能更准确的选出真假说意义不大.     

基于贝叶斯推理的数据中心用精密空调故障软修复方法研究

针对数据中心用精密空调温度传感器测量偏差及冷却盘管结垢的故障问题,提出一种基于贝叶斯推理的故障软修复方法.贝叶斯推理可以充分利用故障的先验知识和实际运行测量数据,将故障修复问题转化成最大似然函数求解问题.其中,贝叶斯推理的后验分布概率密度函数采用马尔科夫链蒙特卡罗算法求解.基于后验分布的均值、标准差等统计特征,评估温度...     

基于动态博弈理论的分布式拒绝服务攻击防御方法

将分布式拒绝服务攻击视作一种可观察行动的多阶段不完全信息博弈,给出了该博弈的扩展型表示,提出为了达到该博弈的完美贝叶斯均衡,需解决局中人类型的信念计算及修正问题.作为观点的实践,提出一种根据访问速率以及访问流量源地址分布特征对分布式拒绝服务攻击流量进行选择性过滤的方法,并对该方法进行了验证.     

抽彩悖论—知识接受之谜

本文着重讨论知识接受问题，即命题满足什么条件才有资格成为知识？凯伯格提出的抽彩悖论长期以来是这一领域的难点问题。本文扼要介绍了凯伯格以及卡尔纳普等人对这一难题的解决方案，并指出它们的不足之比本文给出一种新的解决，并给以详尽的论证。     

一种新的纹理图像识别方法

采用了一种基于方向滤波器组的旋转不变纹理识别方法。该方法用DFT-encoding从图像方向信息中提取出旋转不变纹理特征后,用贝叶斯距离作为分类器,用包含有30类单色自然纹理的图像库进行识别试验,比较了各种因素对于识别率的影响,确定了对失真图像识别能力最优的纹理特征及参数设置。     

非线形模型方差的贝叶斯估计

 在均方误差的条件下,系统地研究了非线形模型方差的贝叶斯估计,提出了共轭和无先验信息的最佳贝叶斯估计和最佳无偏贝叶斯估计以及方差的最佳条件无偏贝叶斯估计.还提出了带有共轭和无先验信息的方差的极大后验估计,最后用一个简单的例子来说明上述结论的可行性.     

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

基于随机集证据推理的构件软件体系可靠性模型

将随机集证据推理应用于军事信息系统软件可靠性建模研究,采用其分析软构件故障过程,计算 软构件可靠性参数,并在此基础上构建了一个基于随机集证据推理-贝叶斯网络的军事信息系统软件可靠性模型.本模型实现了对构件软件体系全过程的可靠性跟踪和监控.仿真实验验证了该模型的实用性和有效性.本模型还可应用于对大型设备系统的故障诊断.