[发明专利]因子挖掘方法、装置、设备、存储介质和程序产品在审
| 申请号： | 202310520179.2 | 申请日： | 2023-05-09 |
| 公开（公告）号： | CN116562377A | 公开（公告）日： | 2023-08-08 |
| 发明（设计）人： | 李胜浩;邓皓友;杨帆;刘丽丽 | 申请（专利权）人： | 工银瑞信基金管理有限公司 |
| 主分类号： | G06N7/01 | 分类号： | G06N7/01;G06N20/00;G06F30/20;G06N3/084 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 张琛 |
| 地址： | 100033 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开提供了一种因子挖掘方法、装置、设备、存储介质和程序产品，可以应用于人工智能技术领域。该因子挖掘方法由蒙特卡洛树实现，蒙特卡洛树包括一个根节点和多个叶子节点，叶子节点包括盘面和节点记录，盘面包括算子和特征构成，盘面包括多个槽点，该方法包括：获取当前树结构和评价指标值；选择评价指标值最大的叶子节点作为待扩展叶子节点；选取待扩展叶子节点上的盘面的未扩展的槽点执行节点扩展，得到扩展叶子节点；按照路径对扩展叶子节点执行仿真计算，得到回报值和扩展结果；在扩展结果为扩展成功的情况下，基于路径执行反向传播操作，更新路径上根节点和叶子节点的节点记录；基于节点记录和回报值更新路径上叶子节点的评价指标值。 | ||
| 搜索关键词： | 因子 挖掘 方法 装置 设备 存储 介质 程序 产品 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于工银瑞信基金管理有限公司，未经工银瑞信基金管理有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310520179.2/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于变加权云贝叶斯网络的空中目标威胁评估方法-202310938269.3
- 周林;冷俊芳;帅伟伟;张梦;程聪聪;毋嘉纬;魏倩 - 河南大学
- 2023-07-27 - 2023-10-27 - G06N7/01
- 本发明提供一种基于变加权云贝叶斯网络的空中目标威胁评估方法，即根据威胁评估结果多为定量分析而较少研究目标威胁等级等定性问题，对目标威胁进行高、中、低定性决策。包括以下步骤：首先，基于贝叶斯网络构建空中目标属性的威胁评估模型；其次，将云模型引入到贝叶斯网络，利用云模型表示贝叶斯网络节点间关联性概率；然后，结合战场态势信息，利用改进高斯表达的变加权方法确定威胁评估目标属性权重；最后，基于关联性概率和目标属性权重，利用云模型运算法则来得到目标威胁等级决策。本发明研究目标威胁等级定性问题，能够有效完成目标威胁评估，获取目标威胁等级决策，进一步提高战场信息的利用率。
- 样本筛选方法、装置、电子设备及存储介质-202211375796.X
- 王础;赵学峰;郭曦煜;纪春芳;邱婉 - 中国移动通信有限公司研究院;中国移动通信集团有限公司
- 2022-11-04 - 2023-10-27 - G06N7/01
- 本发明公开了一种样本筛选方法、装置、电子设备及存储介质。其中，该样本筛选方法包括：获取第一模型对样本集中的样本的预测结果；样本集包括正样本集和负样本集；正样本中的样本表征换机用户的用户数据；负样本中的样本表征非换机用户的用户数据；第一模型基于样本集中的样本训练初始模型得到；预测结果表征用户发生换机行为的概率值；基于预测结果，从负样本集中筛选出目标负样本集；基于正样本集和目标负样本集，训练初始模型，得到第二模型；第二模型用于基于用户数据预测用户发生换机行为的概率值。
- 基于贝叶斯网络的个人数据分析方法及计算机存储介质-201811596679.X
- 吕建华;张柏礼 - 东南大学
- 2018-12-26 - 2023-10-27 - G06N7/01
- 本发明公开了一种基于贝叶斯网络的个人数据分析方法及计算机存储介质，方法包括以下步骤：(1)将个人生活行为数据具体化为行为和行为属性的一维向量，行为属性中至少包含时间属性，经过数据预处理，得到生活行为数据记录；(2)通过混合结构学习算法对数据进行学习，构建生活数据贝叶斯网络；(3)根据生活数据贝叶斯网络进行参数学习，学习得到每个网络节点的条件概率分布表；(4)根据生活数据贝叶斯网络，使用联合树推理算法，基于特定行为的概率计算其他行为发生的概率，完成个人生活行为分析预测。本方法将贝叶斯网络应用到个人行为数据分析中去，并对网络构造方法进行了改进，有效地提高学习的准确率和算法的收敛性，提升运行性能。
- 优化装置、优化方法和计算机可读存储介质-202310006521.7
- 土手晓 - 富士通株式会社
- 2023-01-04 - 2023-10-17 - G06N7/01
- 本申请涉及优化装置、优化方法和计算机可读存储介质。优化装置包括：状态保存单元，该状态保存单元保存评估函数中包括的多个状态变量的值中的每个值；计算单元，该计算单元在多个状态变量的值中的任何一个值以基于多个状态变量中的每个状态变量的权重值的概率改变时，计算评估函数的变化值，并且基于所计算的变化值、以及与对其值已经改变的状态变量的变化的敏感性对应的校正值来计算用于评估在所述多个状态变量中接受哪个状态转换的评估值；以及更新单元，该更新单元基于所计算的评估值来改变多个状态变量中的任何一个状态变量的保存值之一。
- 基于格兰杰因果性的过程变量评估方法-201910234843.0
- 阮骁骏;童不凡;王家栋 - 浙江中控软件技术有限公司
- 2019-03-26 - 2023-10-17 - G06N7/01
- 本申请实施例提出了基于格兰杰因果性的过程变量评估方法，包括选取待确定因果关系的第一过程回路和第二过程回路，对第一过程回路和第二过程回路进行互相关运算；如果判定需要进行因果性检验，则根据格兰杰因果性原理建立对应第一过程回路和第二过程回路的受限模型和非受限模型；对受限模型和非受限模型进行运算，基于运算结果和F统计检验方式对第一过程回路和第二过程回路之间存在的因果性进行定量和定性表示。通过引入格兰杰因果性分析方法，在对两个过程回路进行互相关运算的基础上，能够实现非对称的多回路因果性评估，弥补了现有评估方法的不足，同时借助F统计校验的方式，给出包括定性、定量两方面的判定结论，扩大了结论的覆盖面。
- 一种概率网络脆弱节点快速检测方法及系统-202310617499.X
- 程大伟;李璠;蒋昌俊 - 同济大学
- 2023-05-29 - 2023-10-13 - G06N7/01
- 本发明涉及概率网络技术领域，具体为一种概率网络脆弱节点快速检测方法及系统,本发明提出一个端到端的深度强化学习框架，依靠图网络的表征能力和强化学习的强大探索能力快速推理出概率网络风险传播后的脆弱节点，特殊设计的奖励函数与策略优化方法，极大缩小迭代步数和计算的时间代价,本发明提出的长距离适应图神经网络利用门控循环单元作为信息过滤器，并用跳跃注意力机制自适应捕捉不同距离传播而来的风险信息，缓解图神经网络方法中存在的过平滑问题，提升预测的精度，本方法适应大规模概率网络中远距离风险影响,应用于真实的担保贷款网络中，不仅能够快速对脆弱节点进行准确检测，还能够辅助风险控制管理者进行概率网络传染链的分析。
- 一种自我车辆高速公路场景下的车速预测方法及系统-202311139549.4
- 于会龙;陈研博;席军强;王海睿;闫国富 - 北京理工大学
- 2023-09-06 - 2023-10-13 - G06N7/01
- 本发明公开一种自我车辆高速公路场景下的车速预测方法及系统，涉及车速预测技术领域，包括：基于高速公路场景下的动态环境模型，获取历史时段内自我车辆对应的环境数据集合；采用自适应窗口搜索算法，根据预设预测时域及所述环境数据集合，计算待预测车辆速度限值；基于期望最大化算法，根据训练样本集对预设贝叶斯网络进行训练，以得到训练好的贝叶斯网络；基于环境数据集合，采用联合树算法，根据训练好的贝叶斯网络及待预测车辆速度限值，确定车辆速度预测输出；采用自适应权重算法，根据多个预设预测时域对应的车辆速度预测输出，确定所述自我车辆的最终预测速度。本发明提高了车速预测的实时性和准确性。
- 一种基于混合推理的机动目标跟踪方法-202310372825.5
- 兰华;陈萱;胡锦杰;毛誉翔;王增福 - 西北工业大学
- 2023-04-10 - 2023-10-10 - G06N7/01
- 本发明提供一种基于混合推理的机动目标跟踪方法，该方法基于变分贝叶斯与序贯蒙特卡洛混合推理，首先根据初始的变分参数设计建议分布，对建议分布进行采样生成样本，然后利用生成的样本计算替代证据下界，最后采用随机梯度下降法对变分参数进行再优化，从而使得采样粒子和变分参数不断迭代更新。该方法将非线性状态估计与机动模型参数辨识转化为证据下界的优化问题，采用随机梯度下降法实现目标状态估计与模型参数辨识的联合优化，实现了同时进行状态估计与模型参数辨识，有效处理了非线性滤波问题，提高非线性机动目标跟踪性能，方法优点是能够适应模型参数未知的非线性动态系统。
- 一种轨迹生成方法、装置、设备及存储介质-202310540735.2
- 刘康;金鑫 - 中国科学院深圳先进技术研究院
- 2023-05-12 - 2023-09-29 - G06N7/01
- 本发明涉及轨迹生成技术领域，具体是涉及一种轨迹生成方法、装置、设备及存储介质。本发明首先针对不同个体的不同活动模式，训练不同的神经网络模型，该神经网络模型用于记录各个活动类型发生的概率，然后将个体的起始活动类型输入至已训练的神经网络模型，神经网络模型输出位于该起始活动类型之后的该个体的各个后续活动类型，再确定各个后续活动类型所对应的活动位置，最后根据活动位置构建活动轨迹。从上述分析可知，由于本发明针对个体的活动模式训练出有针对的神经网络模型，从而提高了后续活动类型的准确性，进而提高了生成的轨迹准确性。
- 概率图形网络-202180081243.0
- 托马斯·凯勒;马库斯·古尔思;索纳利·辛哈 - 克劳德斯玛特有限公司
- 2021-10-01 - 2023-09-26 - G06N7/01
- 提供了在探索和优化之间进行平衡的过程，以及应用于密集询问预算的非结构化数据的知识发现过程。在对其特征进行结构化的评估中(例如，在结构化评估中或从非结构化数据中确定并提供评估)，概率图形网络可以将机器学习模型的输入和机器学习模型的输出用图表示为图形元素，其中一个或多个边或节点，或与之相关的值，可以基于输出。例如，当排序实体集在评估期间参与专家系统时，专家系统可以确定并更新表示评估状态的概率图形网络(例如，在一个或多个排名事件之后的某个时间点)，或者(例如，在完成之后)基于由排名实体提供的输入的最终状态和确定的分数。
- 一种基于贝叶斯算法的高压断路器拒动概率预测方法及装置-202010825579.0
- 马宏明;王欣;张恭源;段雨廷;钱国超;程志万;周仿荣;彭晶;彭兆裕;杨明昆;何顺;邱鹏锋 - 云南电网有限责任公司电力科学研究院
- 2020-08-17 - 2023-09-22 - G06N7/01
- 本申请实施例公开了一种基于贝叶斯算法的高压断路器拒动概率预测方法及装置，所述方法为获取已发生拒动和未发生拒动的高压断路器的原始数据，所述原始数据为高压断路器的设备参数及运行参数，根据所述高压断路器的原始数据，组成高压断路器拒动概率预测模型的训练集。接着，根据所述训练集，建立似然矩阵并且确定先验概率和条件概率，建立基于贝叶斯算法的高压断路器拒动概率预测模型。最后，获取待预测高压断路器的原始数据，并将其输入到高压断路器拒动概率预测模型中，本申请解决了由于检测手段、评价手段的缺失，很难实现对高压断路器拒动概率准确预测的技术问题，从而可以及时采取针对性检修策略，减少停电区域的扩大。
- 一种基于遗传算法的深度知识追踪因果解释方法及设备-202310697419.6
- 李卿;刘三女牙;袁鑫;孙建文;沈筱譞 - 华中师范大学
- 2023-06-12 - 2023-09-19 - G06N7/01
- 本发明提供一种基于遗传算法的深度知识追踪因果解释方法及设备，包括：构建因果归因度量框架。基因编码操作，将深度知识追踪的可解释问题转化为最优子列搜索问题以供遗传算法求解；初始化种群操作；普适度评估操作，将编码后的种群进行普适度的评估以生成后代及其对应的个体因果效应值并存储至经验矩阵中；个体选择操作，引入惩罚项以生成更为稀疏的后；自适应交叉操作；基于当前迭代次数、基础所处位置以及经验矩阵的因果关联值以指导后代完成自适应变异操作；对输出最终个体进行解码操作可解释子序列及因果效应值。本发明结合因果框架，采用遗传算法这种开箱即用的启发式算法以实现具有可读性、高效性、灵活性以及忠实性的知识追踪事后可解释。
- 一种通用型二阶谓词/变迁网建模方法-202310749055.1
- 郝磊 - 中国民航大学
- 2023-06-25 - 2023-09-08 - G06N7/01
- 一种通用型二阶谓词/变迁网建模方法。其包括在Petri网结构的基础上定义继发网；将上述继发网与现有谓词/变迁网相结合，定义通用型二阶谓词/变迁网；基于上述通用型二阶谓词/变迁网的定义，构建复杂离散事件系统的二阶谓词/变迁网模型等步骤。本发明提供的通用型二阶谓词/变迁网建模方法具有如下有益效果：提出并定义了继发网，继发网是一种非有向网，可用于描述被重复激活的新事件，通过继发网的复用，可实现对传统谓词/变迁网模型的简化，形成通用型二阶谓词/变迁网模型。可大幅度提高复杂离散事件系统的建模效率，降低模型复杂度。
- 一种确定传播现象发生全局崩溃的条件的方法及相关设备-202310738461.8
- 贺双 - 中国农业银行股份有限公司宁波市分行
- 2023-06-20 - 2023-08-29 - G06N7/01
- 本发明涉及一种确定传播现象发生全局崩溃的条件的方法及相关设备，其中方法包括：步骤一、对每个未激活节点：判断邻居激活比例是否大于该未激活节点对应的激活阈值，若是，将该未激活节点变更为已激活节点；步骤二、多次执行步骤一，直至超网中不再产生新的已激活节点；步骤三、在执行步骤二的过程中，确定各已激活节点构成的脆弱分支的规模是否满足预设条件，如果是，则确定产生脆弱巨分支；步骤四、在确定产生脆弱巨分支后，基于脆弱分支的规模，确定阈值模型的超网产生全局崩溃的临界条件，以基于临界条件对阈值模型的超网的传播过程进行控制。本申请可以确定传播现象发生全局崩溃的条件，以对阈值模型的超网的传播过程进行控制。
- 采用贝叶斯估计方法在N-S/DSMC耦合算法中进行信息交换的策略-202310593929.9
- 李中华;党雷宁;吴俊林;彭傲平 - 中国空气动力研究与发展中心超高速空气动力研究所
- 2023-05-24 - 2023-08-18 - G06N7/01
- 本发明公开了一种采用贝叶斯估计方法在N‑S/DSMC耦合算法中进行信息交换的策略，包括：在基于贝叶斯估计方法的DSMC计算区域对N‑S求解区域进行信息交换中，利用DSMC统计样本，估计速度
- 基于脉冲循环电流的锂离子电池无容量损失低温自加热优化方法-202310568202.5
- 栾伟玲;庄子贤;王畅;李军 - 华东理工大学
- 2023-05-19 - 2023-08-15 - G06N7/01
- 本发明公开了一种基于脉冲循环电流的锂离子电池无容量损失低温自加热优化方法，属于锂离子电池自加热技术领域。本发明解决了现有脉冲循环自加热方法由于电流幅值和频率选择不当导致电池析锂的问题。包括：获取单体电池参数，建立用于计算电池在高频脉冲循环电流条件下温升和析锂的电化学‑热耦合模型；用一个脉冲循环周期代替多个脉冲循环周期，优化电化学‑热耦合模型的计算效率；结合贝叶斯优化算法，建立脉冲循环自加热优化方法；调整电化学‑热耦合模型的初始温度，确定电池在不同温度下的最优脉冲循环参数，实现自加热过程中脉冲循环电流参数随电池温度的实时调整。本发明可以在保证高自加热温升速率的基础上减少析锂导致的电池容量下降。
- 因子挖掘方法、装置、设备、存储介质和程序产品-202310520179.2
- 李胜浩;邓皓友;杨帆;刘丽丽 - 工银瑞信基金管理有限公司
- 2023-05-09 - 2023-08-08 - G06N7/01
- 本公开提供了一种因子挖掘方法、装置、设备、存储介质和程序产品，可以应用于人工智能技术领域。该因子挖掘方法由蒙特卡洛树实现，蒙特卡洛树包括一个根节点和多个叶子节点，叶子节点包括盘面和节点记录，盘面包括算子和特征构成，盘面包括多个槽点，该方法包括：获取当前树结构和评价指标值；选择评价指标值最大的叶子节点作为待扩展叶子节点；选取待扩展叶子节点上的盘面的未扩展的槽点执行节点扩展，得到扩展叶子节点；按照路径对扩展叶子节点执行仿真计算，得到回报值和扩展结果；在扩展结果为扩展成功的情况下，基于路径执行反向传播操作，更新路径上根节点和叶子节点的节点记录；基于节点记录和回报值更新路径上叶子节点的评价指标值。
- 一种基于蒙特卡洛树搜索的贝叶斯网络结构学习方法与系统-202310457640.4
- 杨毅;周智勤;朱允刚 - 吉林大学
- 2023-04-21 - 2023-08-08 - G06N7/01
- 本发明提供一种进行贝叶斯网结构学习的算法，所述算法首先选择可分解的贝叶斯网评分并使用父集识别方法对每个变量识别备选父集，随机采样一个变量序，然后为存在较强依赖关系的变量间添加无向边，在满足与变量序一致的情况下将无向边有向化，用初始变量序初始化蒙特卡洛树的根结点，从根结点开始进行若干次搜索，每次探索将父集得分较低的变量后移，得到子结点并选择UCB评分最高的继续扩展，直至变量序父集得分低于父结点，再向上反向传播，更新路径上结点的UCB评分，将父集得分最高的变量序传入OBS算法进行结构学习，得到最终的贝叶斯网结构，所述方法同时考虑了随机与贪心，能够更好地避免陷入局部最优解，得到父集评分更高的贝叶斯网结构。
- 企业资金风险预测方法及装置-202010594845.3
- 徐聿帆;黄炳;贾玉红;郑凡奇 - 中国工商银行股份有限公司
- 2020-06-28 - 2023-08-01 - G06N7/01
- 本发明公开了一种企业资金风险预测方法及装置，该方法包括：获取预设的企业资金风险传导模型，其中，所述企业资金风险传导模型包含：各企业的企业关系信息以及预设的每种企业关系各自对应的风险传导概率；根据当前存在资金风险的企业信息设置所述企业资金风险传导模型中各企业各自对应的风险概率；根据所述企业资金风险传导模型开始迭代流程，直至预设目标企业的判定后的风险概率为A时停止迭代；根据所述目标企业的判定后的风险概率为A时的迭代次数确定所述目标企业对应的风险参数，以根据所述风险参数对所述目标企业进行资金风险预测。本发明提供了一种根据当前面临资金风险的企业来对目标企业进行资金风险预测的方法。
- 数据预测方法、装置、设备、存储介质及计算机程序产品-202210053238.5
- 荣灿;李勇;郭殿升;孙福宁;杨帆 - 腾讯科技（深圳）有限公司;清华大学
- 2022-01-18 - 2023-07-28 - G06N7/01
- 本申请公开了一种数据预测方法、装置、设备、存储介质及计算机程序产品，涉及人工智能和数据处理技术领域。本申请实施例可应用于地图、交通等领域，所述方法包括：获取用于表征不同地区中普遍存在的因果知识的普适因果图，因果知识用于表征不同区域属性之间的因果关联；基于普适因果图和目标地区的观测数据，获取目标地区中各个区域分别对应的全量区域属性，该全量区域属性包括未观测到的区域属性；基于目标地区中各个区域分别对应的全量区域属性，获取目标地区中各个区域之间的对象流动预测值。本申请解决了某些地区因缺少观测数据而造成的对象流动预测不准确的问题，提高了对象流动的预测准确性。
- 基于高阶高斯混合模型的远程实时监控数据处理方法-202110913938.2
- 滑斌杰;孟军英;刘华;李瑗;孙敬武;符蕴芳;祁瑞丽;董伟;王丽娜 - 石家庄学院
- 2021-08-10 - 2023-07-28 - G06N7/01
- 本发明公开了一种基于高阶高斯混合模型的远程实时监控数据处理方法，属于数据处理技术领域，基于高斯混合模型（Gaussian Mixed Model,GMM）的数据过滤技术的边缘数据采集终端以固定频率对远端设备进行数据采集和解析，内建GMM学习机，通过学习，对远程终端各个数据项进行稳定值估计，以确定每一数据项的稳定值。获取数据项的稳定值之后，对每次采集终端采集并解析的实时数据与相应的稳定值进行比对，在预先设定阈值的参与下，判断当前采集的实时数据是否发送到监控中心端，同时采集终端将按照设定的时间间隔对实时数据进行数据沉降存储，监控中心端在需要时可以对沉降数据进行读取。
- 人工智能海上伏击模型生成方法、计算机程序及存储介质-202310275678.X
- 胡汭;李兵;张艳霞 - 中国人民解放军军事科学院战略评估咨询中心
- 2023-03-20 - 2023-07-25 - G06N7/01
- 本发明公开了人工智能海上伏击模型生成方法、计算机程序及存储介质，涉及人工智能技术领域，该方法包括对巡视海域进行实时监视，实时获取巡视海域的第一图像；对第一图像中是否出现了伏击目标物进行识别，当识别到伏击目标物时获取伏击目标物的参数信息；利用预设学习推理模型根据参数信息进行计算，获得可能的集结区域；根据所有的可能的集结区域，获得所有在可能的集结区域外的伏击圈内对驶向可能的集结区域内的任一集结点的伏击目标物实施伏击的伏击概率，得到海上伏击模型。本发明通过人工智能手段创新性地获得了海上伏击模型的最佳设计。
- 工序分析装置、工序分析方法、以及工序分析程序-202180071334.6
- 服部玲子;太田雄也;柴垣早映子;峯本俊文 - 欧姆龙株式会社
- 2021-09-14 - 2023-07-18 - G06N7/01
- 本发明的工序分析装置包括：正常数据获取部，获取与构成制造线的多个机构的正常时的状态相关的多件第一状态数据；异常数据获取部，获取与所述多个机构的异常发生时的状态相关的多件第二状态数据；正常时分析部，分析所获取的所述多件第一状态数据，由此确定所述多个机构间的连接状态作为第一连接状态；异常时分析部，分析所获取的所述多件第二状态数据，由此确定所述多个机构间的连接状态作为第二连接状态；正常时关系确定部，基于所述第一连接状态，确定所述制造线中所实施的工序中的所述多个机构间的因果关系作为正常时因果关系；异常时关系确定部，基于所述第二连接状态，确定所述制造线中所实施的工序中的所述多个机构间的因果关系作为异常时因果关系；及特别因果关系确定部，将所述正常时因果关系与所述异常时因果关系加以比较，确定与异常的发生相关联的多个所述机构间的因果关系作为特别因果关系。
- 一种基于层次加性噪声模型的司法因果贝叶斯网络构建方法-202310405263.X
- 耿晶;赵柏翔;徐斌;王树良;郭新刚;刘雨娜;党迎旭 - 北京理工大学;中国司法大数据研究院有限公司
- 2023-04-17 - 2023-07-14 - G06N7/01
- 本发明涉及一种基于层次加性噪声模型的司法因果贝叶斯网络构建方法，属于数据挖掘技术领域。利用预处理的司法数据进行因果贝叶斯网络骨架学习，得到司法数据样本间的因果无向结构图；以遍历的变量为中心，遍历因果无向结构图，提取与遍历的变量有直接依赖关系的所有变量，将司法数据样本间的因果无向结构图分解为多个子图；将多个子图中非中心节点泛化为中间变量，学习各个子图中变量间的因果方向，将子图恢复至因果无向结构图得到司法因果贝叶斯网络。本发明的方法，在将多对一因果关系转化为近似的一对一因果关系过程中，利用变分方法学习中间变量Z时，最小化Z构建各个X
- 数据处理方法和电子设备-202111652939.2
- 王尔立;冯璐 - 日本电气株式会社
- 2021-12-30 - 2023-07-14 - G06N7/01
- 本公开的实施例涉及一种数据处理方法和电子设备，涉及计算机领域，该方法包括：获取待处理数据，待处理数据指示以下至少一项：第一状态信息、第一动作、以及在满足第一状态信息时执行第一动作后的第二状态信息；利用经训练的数据生成模型，基于待处理数据确定结果数据，结果数据指示在满足第一状态信息时第二动作后的第三状态信息，数据生成模型基于训练集以及与训练集中至少一个数据项对应的因果模型得到；以及输出结果数据。以此方式，本公开的实施例能够基于经训练的数据生成模型输出与待处理数据对应的结果数据，从而能够实现数据的扩充，便于基于数据集的进一步处理。
- 一种基于蒙特卡洛树探索的多智能体决策方法-202310090294.0
- 尤鸣宇;付豪;周洪钧;何斌 - 同济大学
- 2023-02-09 - 2023-06-23 - G06N7/01
- 本发明提供一种基于蒙特卡洛树探索的多智能体决策方法，属于任务规划技术领域，包括1：基于分布式部分观测马尔可夫决策过程对多智能体决策任务进行建模；2：基于模型初始化蒙特卡洛树；3：在预设的时间内采用上限置信区间算法进行树内探索，采用随机策略对树外进行探索，拓展蒙特卡洛树节点，并根据产生的奖励更新蒙特卡洛树节点价值；4：根据已经构建的蒙特卡洛树进行多智能体决策，并对蒙特卡洛树进行剪枝，更新根节点的信念值，重复S3‑S4，直至任务完成。本发明中，采用在线探索方法，可以在有限的时间内取得Dec‑POMDP模型的近似解；对不同的智能体分别建立独立的蒙特卡洛树，降低了探索空间，加大了探索深度，提供了更好的求解质量。
- 一种基于反向条件熵的率失真函数求解方法-202211514751.6
- 刘甜;徐大专;掌德森;赵曼曼 - 南京航空航天大学
- 2022-11-30 - 2023-06-23 - G06N7/01
- 本发明公开了一种基于反向条件熵的率失真函数求解方法，首先采用对数失真作为损失函数，定义率熵函数，构造变分问题的特解；然后根据给定可加信源分布计算信源微分熵，根据构造的特解，计算后验微分熵；接着通过信源熵和熵失真得出率熵函数表达式，计算失真度和熵失真的关系；最后通过率熵函数和前述关系得到率失真函数表达式。本发明通过三种方法构造常见可加信源的特解，获得了部分信源分布的率失真函数，使得此类模型的有损压缩技术有了理论极限，为系统模型设计人员提供了理论指导。
- 用于贝叶斯神经形态编译器的编程模型-201980016183.7
- N·D·斯特普;A·加马拉马达卡 - 赫尔实验室有限公司
- 2019-03-06 - 2023-06-23 - G06N7/01
- 描述了一种用于对移动平台传感器数据执行概率计算的系统。所述系统将表示输入移动平台传感器数据的贝叶斯模型转换为实现该贝叶斯模型的尖峰神经元网络单元。使用尖峰神经元网络单元，针对输入移动平台传感器数据计算条件概率，其中，输入移动平台传感器数据是被编码为神经元尖峰的一时间系列的移动平台错误代码。神经元尖峰被解码并表示移动平台故障模式。所述系统使移动平台基于移动平台故障模式发起缓解动作。
- 一种机械故障诊断模型的参数自学习方法-202111526099.5
- 刘文才;苗海滨;章珉辉;任新广;杜煜 - 中国石油天然气集团有限公司;中国石油集团安全环保技术研究院有限公司
- 2021-12-14 - 2023-06-16 - G06N7/01
- 本发明属于机械故障智能诊断技术领域，具体公开了一种机械故障诊断模型的参数自学习方法，统计往复压缩机的历史数据，根据往复压缩机的历史数据确定贝叶斯网络的各节点信息并建立贝叶斯网络模型结构，结合往复压缩机的历史数据和贝叶斯网络模型确定贝叶斯网络模型相关参数初始值，根据往复压缩机的历史数据，确定设备部件的失效曲线，据往复压缩机的历史数据和失效曲线，确定贝叶斯网络先验概率值，根据先验概率值，自学习贝叶斯网络条件概率值，实现参数自学习，根据参数自学习进行往复压缩机的故障诊断。本发明基于设备部件失效曲线提出了一种贝叶斯网络模型相关参数的自学习方法，适用于多种设备的故障诊断，具有实时性、准确率高等优点。
- 一种基于改进朴素贝叶斯算法的火灾预警方法-201910916618.5
- 舒亮;崔永昊;吴桂初;吴自然;陈威;游颖敏;赵升;张海跟 - 温州大学
- 2019-09-26 - 2023-06-09 - G06N7/01
- 本发明提供一种基于改进朴素贝叶斯算法的火灾预警方法，包括确定火灾特征属性项以及火灾类别；获取多个数据及其各自归属的火灾类别分别形成训练样本集和测试样本集后进一步进行数据预处理；根据训练样本集的数据，计算出先验概率，并基于拉普拉斯平滑方法平滑处理后计算出条件概率；获取各火灾特征属性及特征属性取值的加权系数并结合先验、条件概率，构建出双重加权的朴素贝叶斯分类模型；对先验概率进行补偿，改进双重加权的朴素贝叶斯分类模型；将测试样本集的数据导入改进的朴素贝叶斯分类模型中进行分类，得到对应的火灾类别。实施本发明，克服了现有技术中火灾预警算法在准确率、实现难易度方面仍有待提高的问题，提高了火灾预测准确度。
- 专利分类
