导读:本文包含了贝叶斯推理论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:无源,可编程,意图,门阵列,目标,关联性,表征。
贝叶斯推理论文文献综述
史滋福,李珍贵,龙超钥,李波,王诗宇[1]（2019）在《因果信息和提示指导语对大学生贝叶斯推理的影响》一文中研究指出基于叁重加工心智模型,以大学生为被试,采用经典贝叶斯推理的文本范式,通过操纵自变量:因果信息(有或无)与提示指导语(提供或不提供),试图探讨激发反省心智,消解理性障碍的情况下,因果贝叶斯框架的作用机制。结果发现,因果信息显着提高了被试的推理正确率,改善了后验概率估计的准确性;提供指导语虽未提高推理正确率,但却降低了推理偏差,从而有效改善了贝叶斯推理表现。此外,在提供提示指导语的条件下,有无因果信息并无差异,表明因果信息的作用是有限的。(本文来源于《心理科学》期刊2019年05期）
王海旺,史红权,李晓丹[2]（2019）在《基于直觉模糊集和贝叶斯推理的意图识别方法》一文中研究指出将事件作为目标意图识别的证据,针对经典贝叶斯网络在战场意图识别方面存在的问题,提出了一种基于直觉模糊集和贝叶斯网络相结合的意图识别方法。利用直觉模糊函数表示贝叶斯网络模型的各个节点及节点间的因果依赖关系,建立基于直觉模糊贝叶斯推理的识别模型,简化了推理步骤,增强了意图识别的可信度。最后通过实例验证了该方法相比经典贝叶斯推理方法更加准确可信。(本文来源于《舰船电子工程》期刊2019年06期）
李波[3]（2019）在《图形表征对初中生贝叶斯推理问题解决的影响：问题情境与空间能力的作用》一文中研究指出贝叶斯推理是概率推理的一个重要领域,已广泛应用于医学、司法、教育、人工智能等领域。在不确定性事件中,贝叶斯规则对人们能做出正确判断或决策起着重要作用。如乳癌诊断中通过检测呈阳性的信息诊断患癌的可能性,从而决定患者的病情及处置方案。但心理学的大量实验表明,人们在处理这类问题时表现得相当困难。为此,许多学者对如何促进贝叶斯推理进行了研究,目前比较有代表性的观点主要有:(1)使用自然频数可以促进推理;(2)通过图形表征明晰嵌套集合关系。关于使用自然频数来促进贝叶斯推理,已经有大量的研究。然而,采用图形表征对贝叶斯推理的作用尚不明确,一种观点认为添加图形可以促进推理;另一种观点认为额外的图形会干扰信息理解,从而阻碍推理。《全日制义务教育数学课程标准》规定,概率内容为中小学数学课程的核心领域之一。“图形与几何”也是初中生数学教学中的必备内容,探讨图形表征对概率推理的影响,有助于帮助初中生在建立空间观念,培养其几何直观的同时,能将这些观念和直观运用于实践,进而提升其推理能力,也为其未来做出重要的推理和决策探明其影响因素。因此,本研究试图以初中生为被试,采用乳癌情境和说谎情境的贝叶斯推理材料以及空间能力问卷。通过2个实验,探讨图形表征如何影响初中生解决贝叶斯推理问题的认知机制。实验1考察图形表征在不同问题情境中对贝叶斯推理问题的作用是否具有一致性;实验2比较不同图形适用于何种空间能力的人。除了分析推理结果是否正确,还将结合推理过程中使用的推理策略以验证推理结果的真实性。本研究可以得出以下结论:1、初中生可以解决贝叶斯推理问题,且在熟悉的说谎问题中推理最好,而在非熟悉的乳癌问题中推理较为困难。2、图形表征在适当条件下可促进初中生解决贝叶斯推理问题。在乳癌问题上,图形表征能促进初中生的推理表现,但在说谎问题上并没有显现出促进效应。3、初中生在解决贝叶斯推理问题时,在单位正方图上的推理表现优于树图,且具有高空间能力的个体在单位正方图上的表现最好。4、初中生的推理过程基本上与正确推理结果相符合,主要使用了贝叶斯策略、保守主义策略,其推理策略随着问题情境或空间能力的不同而变化。5、实验1和实验2的结果都支持嵌套集合假设理论,树图隐含嵌套集合关系,属于分支风格;而单位正方图外显嵌套集合关系,属于嵌套风格。因此,单位正方图是明晰嵌套集合关系较为理想的图形之一,可用于风险交流和数学教育。最后,本研究的结论启示在数学教育中,要注重培养中学生的识图和绘图能力,训练其在解决复杂数学问题时能主动构建图形,将复杂的数学问题转化为简单问题。(本文来源于《湖南师范大学》期刊2019-05-01）
曹威[4]（2019）在《高效的贝叶斯推理电路设计及应用》一文中研究指出随着计算机技术与人工智能领域的不断发展,人们已经开始在各行各业中引入机器来取代人做出各种判决。而由于庞大的计算量与复杂的模型制约,人们也更愿意依赖计算机去完成规律的把握、因果关系的学习、甚至决策的判决。而对于学习推理问题中的不确定性,人们常将其转换成概率图模型求解。对于具有因果关系的不确定性问题推理的往往采用贝叶斯推理的方式进行求解。传统方法中对贝叶斯推理中求解概率问题的解析解仍然具有很高的计算复杂度,因此人们常通过随机采样的方式获得计算复杂度低的近似解。然而,采用传统处理器结构实现的采样模块仍具有较高的复杂度,因此本文设计实现了高性能、低复杂度的随机采样门电路来实现贝叶斯推理。首先,本文介绍了贝叶斯定理,随后推导了MC采样方法,包括逆采样方法、拒绝采样方法、重要采样方法等,然后也详细推导了MCMC方法,包括Metropolis采样法、Metropolis-Hasting采样法和Gibbs采样法,也在推导经典采样方法的同时也说明了各种方法的局限性,为后文的贝叶斯推理电路设计提供了理论基础。为了构建具有贝叶斯推理能力的系统,本文设计实现了随机采样门电路,并对每个采样门的结构详细进行了分析:对于设计的二元采样门电路可以在每个时钟周期完成一次采样,而即使是最复杂的标准化多项采样门可以在平均k个时钟周期完成一次采样。随后通过利用概率分布条件独立性的特点提出了并行采样和随机有限状态机的设计思想,从系统层面优化采样流程,使得系统的效率得以提升。随后本文介绍了基于MCMC方法的MIMO检测器,将设计的随机采样门电路应用于MIMO系统中,通过从概率分布中进行采样实现了MCMC-MIMO检测器的功能,在性能较全精度MCMC-MIMO检测器至多低1dB的基础上,随机采样门电路能以低消耗、高效率地完成逐比特及逐符号的MCMC-MIMO检测器功能。最后,本文将设计的随机采样门电路以软件仿真和FPGA实现的方式进行分析,给出了采样门电路的资源消耗。并通过RTL代码对Rain模型和Ising模型进行实现,完成了贝叶斯推理的功能。讨论了随机熵源和量化精度对随机采样门电路的影响:误差会随着熵源性能的提升得到改善,并且量化精度远低于传统全精度的程度时就已经能较精确的对分布进行估计,在量化位宽为5比特时估计得到的误差最高仅为0.026,而量化位宽为12比特时采样估计得到的误差最高仅为0.0017。基于随机采样门电路的大型系统能以更低的开销更高的效率执行。(本文来源于《电子科技大学》期刊2019-04-09）
李波,史滋福,田慧,夏鹏皓,王诗宇[5]（2018）在《识别不等概率结构对贝叶斯推理的影响:证据信息与主体关联性的作用》一文中研究指出日常生活中,人们经常根据证据信息调整已有信念,从而做出判断或决策。但推理往往容易出现错误,例如,大多数推理者包括名牌医学院的学生,在解决"经典乳癌问题"时正确率仍低于10%。Kahneman和Tversky认为,人们的直觉估计依赖于经验的判断或猜测。经典乳癌问题中,击中率传达了检测呈阳性对妇女患乳癌的代表性信息,因此出现显着的高估。实际上,阳性并不一定意味着患乳癌,如果人们能够识别出检测呈阳性的概率不等于患乳癌的概率(即不等概率结构),人们的推理成绩会相对更好。为此,采用与经典乳癌问题同型的虚拟X综合征问题,其中,证据信息根据预实验采用等概率结构(即检测呈阳性)或不等概率结构(即有咳嗽症状),同时为了考察主体加工深度对证据信息的影响是否具有调节作用,考虑了与己有关(即家中有一个病人检测呈阳性或咳嗽)或与己无关(即有一个病人检测呈阳性或咳嗽)两种情形共四个问题。随机选取140名大学生为被试,采用2(证据信息:阳性/咳嗽)×2(主体关联性:与己有关/与己无关)的被试间实验设计,考察了被试识别不等概率结构对贝叶斯推理的影响,以及证据信息和主体关联性的作用。实验结果显示:(1)证据信息的主效应显着,咳嗽条件下被试的贝叶斯推理成绩显着优于阳性条件的被试;(2)主体关联性的主效应显着,与己有关问题被试的贝叶斯推理成绩显着优于与己无关的问题;(3)证据信息与主体关联性的交互作用显着。实验结果表明,人们在咳嗽症状条件下进行推理时,能够识别不等概率结构,即使与己无关,也有良好的推理表现,与己有关时推理表现最好。此外,在与己有关的条件下,由于高卷入状态下的深加工,使得两种证据信息条件下,人们都比较容易识别出不等概率结构,从而促进了概率推理成绩。(本文来源于《第二十一届全国心理学学术会议摘要集》期刊2018-11-02）
卿宏军,谢宝娣,张连怡[6]（2018）在《基于贝叶斯推理的乘员约束系统参数识别》一文中研究指出为了克服测量响应的不确定性给乘员约束系统参数识别带来的困难,利用马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)采样和近似模型构造技术,提出一种基于贝叶斯推理的乘员约束系统不确定性参数识别方法.该方法结合约束系统参数的先验分布和测量响应,通过马尔科夫链在未知参数联合概率密度空间进行抽样,从而获得了织带刚度缩放系数和质量流率缩放系数的后验边缘概率密度函数.识别结果表明,相比于传统确定性识别方法,基于贝叶斯推理的不确定性参数识别方法不仅能有效给出乘员约束系统参数的概率分布,而且能够保证参数寻优的全局收敛性.(本文来源于《湖南大学学报(自然科学版)》期刊2018年08期）
杨青,王海洋,卞梦阳,张敬伟,林煜明[7]（2018）在《融合贝叶斯推理与随机游走的好友推荐》一文中研究指出随机游走是一种应对推荐应用中用户规模庞大、数据稀疏等问题的有效方法.鉴于社交网络用户间亲密度差异、反向社交影响力等因素对基于随机游走的推荐具有积极影响,提出了一种引入频繁项挖掘来计算用户社交亲密度,进而优化转移概率矩阵,并与局部反向游走相结合的随机游走改进模型.此外,为了有效利用用户属性信息,提出了一种用户潜在好友关系推断的贝叶斯推理模型,并与随机游走改进模型协同应用,进一步提升了好友推荐性能.真实数据集上的对比实验验证了提出算法的有效性.(本文来源于《华东师范大学学报(自然科学版)》期刊2018年04期）
杨璐,刘付显,朱丰,郭东[8]（2018）在《基于贝叶斯推理的海战场空中目标意图分层识别方法》一文中研究指出针对海战场敌方空中目标意图识别方法都是一次性完成空中目标的意图识别,会在运算过程中带来消耗时间较多、效率较低的问题展开深入研究,在给出了海战场敌方空中目标相关特征参数计算和筛选公式的基础上,结合目标意图特点,依据指挥员的思维逻辑,提出了一种基于贝叶斯推理的海战场敌方空中目标意图分层识别新方法。该方法运用分层思想实现对更关注的目标意图更快捷的贝叶斯推理识别,可作为常规方法的简化过程,因此,可减少消耗时间,提高识别效率。基于实测数据的仿真实验验证了所提方法的有效性。(本文来源于《火力与指挥控制》期刊2018年07期）
余东平,何谢,齐扬阳,赖荣煊,袁健[9]（2018）在《基于变分贝叶斯推理的多目标无源定位算法》一文中研究指出为提高多目标无源定位的精度和鲁棒性,文中提出了一种基于变分贝叶斯推理的多目标无源定位算法。该算法首先建立分层的混合高斯先验模型以诱导目标位置向量的稀疏性;然后,利用变分贝叶斯推理的方法估计该先验模型中隐藏变量的后验分布;最后,根据目标位置向量的后验分布估计目标的位置。仿真结果表明,该算法较传统的基于压缩感知的多目标无源定位算法具有更高的定位精度以及更好的鲁棒性。(本文来源于《南京邮电大学学报(自然科学版)》期刊2018年02期）
翟社平,郭琳,高山,段宏宇,李兆兆[10]（2018）在《一种采用贝叶斯推理的知识图谱补全方法》一文中研究指出为了适应Web数据信息高度动态化的发展趋势,针对知识图谱的补全更新实时性欠佳的问题,提出一种知识图谱补全的链接预测方法.该方法运用贝叶斯网络概率推理图模型优势并结合本体推理规则,对知识图谱节点间依赖程度进行定量分析,旨在充分挖掘模型潜在因素,实现正确预测.实验结果表明,该方法能有效提升知识图谱的链接预测效率,保证较高的预测准确度,并及时更新知识图谱.(本文来源于《小型微型计算机系统》期刊2018年05期）
贝叶斯推理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
将事件作为目标意图识别的证据,针对经典贝叶斯网络在战场意图识别方面存在的问题,提出了一种基于直觉模糊集和贝叶斯网络相结合的意图识别方法。利用直觉模糊函数表示贝叶斯网络模型的各个节点及节点间的因果依赖关系,建立基于直觉模糊贝叶斯推理的识别模型,简化了推理步骤,增强了意图识别的可信度。最后通过实例验证了该方法相比经典贝叶斯推理方法更加准确可信。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
贝叶斯推理论文参考文献
[1].史滋福,李珍贵,龙超钥,李波,王诗宇.因果信息和提示指导语对大学生贝叶斯推理的影响[J].心理科学.2019
[2].王海旺,史红权,李晓丹.基于直觉模糊集和贝叶斯推理的意图识别方法[J].舰船电子工程.2019
[3].李波.图形表征对初中生贝叶斯推理问题解决的影响：问题情境与空间能力的作用[D].湖南师范大学.2019
[4].曹威.高效的贝叶斯推理电路设计及应用[D].电子科技大学.2019
[5].李波,史滋福,田慧,夏鹏皓,王诗宇.识别不等概率结构对贝叶斯推理的影响:证据信息与主体关联性的作用[C].第二十一届全国心理学学术会议摘要集.2018
[6].卿宏军,谢宝娣,张连怡.基于贝叶斯推理的乘员约束系统参数识别[J].湖南大学学报(自然科学版).2018
[7].杨青,王海洋,卞梦阳,张敬伟,林煜明.融合贝叶斯推理与随机游走的好友推荐[J].华东师范大学学报(自然科学版).2018
[8].杨璐,刘付显,朱丰,郭东.基于贝叶斯推理的海战场空中目标意图分层识别方法[J].火力与指挥控制.2018
[9].余东平,何谢,齐扬阳,赖荣煊,袁健.基于变分贝叶斯推理的多目标无源定位算法[J].南京邮电大学学报(自然科学版).2018
[10].翟社平,郭琳,高山,段宏宇,李兆兆.一种采用贝叶斯推理的知识图谱补全方法[J].小型微型计算机系统.2018
论文知识图
