基于知识表示学习的知识图谱补全研究进展.

于梦波, 杜建强, 罗计根, 聂斌… - Journal of Computer …, 2023 - search.ebscohost.com
: 知识图谱(KG) 是一种基于图的数据结构, 其知识是以三元组的形式呈现, 即(头实体, 关系, 尾
实体). 随着人工智能的发展, 知识图谱已在系统推荐, 智能问答, 知识搜索等领域发挥了重要作用. …

[引用][C] Relational inductive biases, deep learning, and graph networks (關係歸納偏差, 深度學習和圖形網絡)

[PDF][PDF] 面向随机模型检验的模型抽象技术

刘阳, 李宣东, 马艳 - 软件学报, 2015 - jos.org.cn
… A comparison of confluence and ample sets in probabilistic and non-probabilistic
branching time. Theoretical Computer Science, 2014,538:103−123. [doi: 10.1016/j.tcs.2013.07.014] …

[HTML][HTML] 多任务学习和对抗学习结合的自发与非自发表情识别

郑壮强, 姜其胜, 王上飞 - 2020 - cjig.cn
目的如何提取与个体身份无关的面部特征以及建模面部行为的时空模式是自发与非自发表情
识别的核心问题, 然而现有的自发与非自发表情识别工作尚未同时兼顾两者. 针对此, 本文提出多…

[HTML][HTML] 混合-增强智能: 协作与认知

N Zheng, Z Liu, P Ren, Y Ma, S Chen, S Yu, J Xue… - Frontiers, 2017 - jzus.zju.edu.cn
: 人工智能追求的长期目标是使机器能像人一样学习和思考. 由于人类面临的许多问题具有不确定
性, 脆弱性和开放性, 任何智能程度的机器都无法完全取代人类, 这就需要将人的作用或人的认…

基于贝叶斯网络不确定性推理的肺癌风险预测模型

钟璐, 薛付忠 - 山东大学学报(医学版), 2023 - yxbwk.njournal.sdu.edu.cn
: 目的将贝叶斯网络与Cox 模型相结合, 预测包含缺失协变量的个体的肺癌发病风险. 方法研究
使用的数据来自于英国生物样本库, 采用单因素Cox 回归分析筛选与肺癌发病相关的预测因素; …

[PDF][PDF] 軟性計算理論與知識處理技術之研究

林信成 - 教育資料與圖書館學, 2000 - mail.tku.edu.tw
… to realize human intelligence such as thinking, reasoning, learning. However, it always …
Rosenblatt, "The perceptron: a probabilistic model for information storage and organization …

適應性背景重建技術用於多目標追蹤系統與其在交通參數擷取之應用

黃裕程 - 2004 - ir.lib.nycu.edu.tw
… [39] proposed a probabilistic model for predicting traffic accidents using three-dimensional
(3-D) model-based vehicle tracking. Vehicle activity was predicted by locating and matching …

基于遮挡分析的多物体同时分割

王楠, 艾海舟, 汤锋 - 计算机科学技术学报, 2013 - jcst.ict.ac.cn
… [26] described a probabilistic framework combining detection and segmentation based
on solvable Robust Pn potentials[27]. Maire et al.[28] addressed the combination problem of …

[PDF][PDF] 以情境地圖達成在辦公室環境中以人為中心的服務

俞冠廷, 傅立成 - 2012 - people.csail.mit.edu
… , which is a probabilistic framework that integrates various … probabilistic framework. This
framework incorporates both current observation and previous estimations for reasoning