Для представления знаний с неопределенностью необходимы как математический формализм, позволяющий описывать и обрабатывать неопределенность, так и теоретико-компьютерные модели, ограничивающие требования такового представления и обработки к памяти и времени. В работе рассмотрены основные меры истинности, используемые в искусственном интелекте для представления неопределенности, в первую очередь вероятностная мера, а также вероятностные графические модели, которые за счет локализации вычислений позволяют ограничить рост сложности алгоритмов обработки и требований к памяти для представления знаний с неопределенностью.
Представлен подход, позволяющий формализовать задачу оценки интенсивности социально-значимого поведения в терминах вероятностных графических моделей. Сведение этой задачи к разработке особой вероятностной графической модели класса байесовских сетей доверия позволяет воспользоваться уже существующим мощным алгоритмическим аппаратом теории байесовских сетей доверия и свободно распространяемым программным инструментарием для проведения вычислительных экспериментов и для использования построенной модели в практических целях. Описана простейшая модель, основанная на данных об интервалах между эпизодами поведения, предложены варианты ее дальнейшего развития.
Скрытые марковские модели, байесовские сети и другие вероятностные графические модели зарекомендовали себя как одно из наиболее эффективных средств представления знаний с неопределенностью с активно развивающимся теоретическим и алгоритмическим аппаратом средств машинного обучения и нашли множество приложений в распознавании речи, обработке сигналов, биоинформатике, математической лингвистике, компьютерной криминалистике и пр. В статье предложен алгоритм декодирования последовательности скрытых состояний для бинарных линейных по структуре скрытых марковских моделей, представленных в виде алгебраических байесовских сетей, и доказана его корректность. Приведённый метод дополняет набор средств работы с такими моделями.
Для алгебраической байесовской сети существует несколько степеней непротиворечивости. В случае скалярного представления вероятности доказана глобальная непротиворечивость результата алгоритма глобального апостериорного вывода. В случае интервальных оценок задача получения непротиворечивого результата осложняется необходимостью использования приближённых методов для получения оценок апостериорной вероятности. Проанализированы результаты работы алгоритмов локального апостериорного вывода в случае интервальных оценок вероятности для всех видов поступающего свидетельства. Предложены дополнительные ограничения для случая нечеткого свидетельства. Доказана экстернальная непротиворечивость сети, полученной в результате глобального апостериорного вывода с использованием данных ограничений.
Цель настоящей работы носит двойственный характер: с одной стороны, в контексте социогуманитарных взглядов на природу интернет-мемов планируется изложить принципы и подходы к построению социоинженерной модели передачи мема от предъявителя к участнику его виртуального круга общения и распространения мема по социально сети, а с другой стороны, осветить вопросы генерации, циркуляции и оценки потенциала влияния мемов, снабдив изложение кейсами-иллюстрациями, чтобы очертить возможность дальнейшего развития социоинженерной и иных формальных моделей мемов с учетом известных на данный момент результатов и потребностей полевых и аналитических исследований социальных сетей в социологических, политологических, психологических, информационно-технических и иных смежных исследованиях.
В теории алгебраических байесовских сетей (логико-вероятностных графических моделей, использующих для представления знаний с неопределенностью интервальные оценки вероятности истинности пропозициональных формул), формализовано понятие непротиворечивости содержащихся в системе знаний. В работе проанализирован алгоритм обработки поступивших свидетельств с точки зрения сохранения в процессе его выполнения непротиворечивости сети. Предложено улучшение существующего алгоритма, обеспечивающее непротиворечивость результата.
В связи с невозможностью применения некоторых алгоритмов глобального логико-вероятностного вывода над цикличной вторичной структурой алгебраической байесовской сети (АБС) и относительно значительной временной сложностью алгоритма построения такой структуры, целесообразно предъявить критерий, который позволит. Проверять цикличность АБС до процесса построения вторичной структуры. Статья предлагает один из таких критериев, основывающийся на анализе вспомогательной структуры (полусиблингового графа) на предмет наличия циклов особого класса.
В теории алгебраических байесовских сетей существуют алгоритмы определения возможности построения ациклической вторичной структуры сети по её пер-вичной структуре, и, следовательно, возможности осуществления относительно эффективного апостериорного вывода. Их наличие позволило разработать и описать алгоритм глобального апостериорного вывода, не опирающийся на вторичную структуру таких сетей. Доказано совпадение результатов работы данного алгоритма и известного алгоритма распространения виртуальных свидетельств по графу смежности для случая скалярных оценок вероятностей.
Мы рассматриваем задачу построения байесовской рейтинг-системы, в которой из результатов отдельных матчей/турниров (упорядочиваний на небольшом множестве) обучается единая ранжирующая функция. Расширяя результаты [9], мы строим рейтинг-систему, которая может учитывать дополнительную численную информацию о результатах турниров. Статья содержит подробные описания моделей байесовских рейтинг-систем, алгоритмы вывода и результаты экспериментов.
Условием работы алгоритмов глобального логико-вероятностного вывода в алгебраической байесовской сети (АБС) является отсутствие циклов в ее вторичной структуре. Первичная структура, над которой можно построить ациклическую вторичную, называется ациклической. Цель работы — предложить алгоритм выявления ацикличности первичной структуры на основе оценки числа ребер в ее вторичной структуре без непосредственного построения вторичной структуры, а также оценка сложности этого алгоритма. В работе сформулирован алгоритм выявления ацикличности первичной структуры на основе оценки числа ребер в минимальном графе смежности полным перебором, доказана его корректность, оценена его сложность, предложено улучшение скорости работы этого алгоритма, доказана корректность и оценено время работы улучшенного алгоритма. Также рассмотрены возможности улучшения скорости работы этого алгоритма за счет использования алгоритмов построения элементов третичной полиструктуры АБС.
Модели поведения пользователей -- одно из основных направлений исследований в области улучшения интернет-поиска; это обычно вероятностные модели, обучающиеся из данных о пользовательских действиях (click logs). Мы представляем обзор современных моделей поведения пользователей, а также рассказываем о том, как модели поведения комбинируются с другими признаками в функции ранжирования
Алгебраическая байесовская сеть (АБС) — одна из логико-вероятностных графических моделей баз фрагментов знаний с неопределенностью. Алгоритмы глобального логико-вероятностного вывода АБС могут применяться при условии ацикличности еѐ вторичной структуры — графа смежности. Существующий метод преобразования графа смежности в дерево смежности ограниченно применим. Цель работы — предложить новые методы преобразования цикличной АБС к ацикличной, основывающиеся на структурной теореме о циклах минимальных графов смежности. В работе предложено два метода устранения циклов и доказана их корректность. Ключевые слова: алгебраические байесовские сети, четвертичная структура, вероятностные графические модели систем знаний, глобальная структура, ацикличность первичной структуры.
Для моделирования различных процессов в таких областях как биоинформатика, распознавание речи, машинный перевод активно используются скрытые марковские модели (СММ). Алгебраические байесовские сети (АБС) являются активно развивающимся аппаратом с широкими возможностями. Цель данной работы — представление более широкого класса скрытых марковских моделей с помощью алгебраических байесовских сетей, чем в более ранних исследованиях. Предложено представление линейной по структуре СММ при помощи АБС и показана его корректность с точки зрения эквивалентности вероятностных семантик.
Модели поведения пользователей -- одно из основных направлений исследований в области улучшения интернет-поиска; такие модели обычно основаны на графических вероятностных моделях и обучаются из логов пользовательских действий (click logs). В работе вводится новая модель поведения пользователей -- SCM (session click model, клик-модель сессии). Мы показываем, что новая модель проще для вывода, но в практических приложениях даёт результаты лучше, чем существующие модели.
Алгебраические байесовские сети (АБС) относятся к классу логиковероятностных графических моделей систем знаний с неопределенностью, которые позволяются использовать интервальные оценки вероятности для представления неопределенности в знаниях. Одним из наиболее важных условий работы АБС является отсутствие циклов в их вторичной структуре. Первичная структура, над которой можно построить ациклическую АБС, называется ациклической. Цель работы — предложить алгоритм выявления ацикличности первичной структуры на основе анализа четвертичной структуры АБС, а также оценка сложности этого алгоритма. В работе сформулирован алгоритм выявления ацикличности, доказана его корректность, оценена его сложность и предложен ряд способов, направленных на ускорение работы этого алгоритма.
Скрытые марковские модели (СММ) и алгебраические байесовские сети (АБС) представляют собой вероятностные графические модели, а потому во многом похожи. СММ получила широкое применение, в то время как АБС пока не столь распространена, однако ее аппарат позволяет моделировать и решать задачи СММ. Цель работы — решить первую задачу скрытых марковских моделей при помощи апостериорного вывода АБС. В статье предложен алгоритм для оценки вероятности наблюдаемой последовательности в бинарных линейных по структуре СММ с помощью апостериорного вывода АБС.
Алгебраические байесовские сети (АБС) — это логико-вероятностная модель баз фрагментов знаний с вероятностной неопределенностью. Математической моделью фрагмента знаний (ФЗ) в теории АБС выступает идеал конъюнктов с оценками вероятности их истинности, причем оценки могут быть как скалярные, так и интервальные. Алгебраическая байесовская сеть состоит из набора фрагментов званий, который рассматривается как ее первичная структура; связи между фрагментами знаний — вторичная структура АБС — представляются виде графа смежности и его подвидов (дерева смежности и цепи смежности). В статье описаны как структуры данных, которые позволяют представить в СУБД и коде программы на java фрагменты знаний, а также первичную и вторичную структуру АБС, так и реализация основных алгоритмы логико- вероятностного вывода в этих сетях.
1 - 17 из 17 результатов