不确定知识表达和推理是当今人工智能领域的重要课题。贝叶斯网是目前国际上最受欢迎的理论之一,但仍难以处理逻辑循环、数据及结构动态变化、时滞、时序、数据缺乏、不完备或不精确等问题。其它理论也存在类似问题。动态不确定因果图(Dynamical Uncertain Causality Graph,DUCG)是申请人为解决上述问题而初步提出的一种新的理论框架。本研究拟就离散DUCG的静态和动态理论部份进行深
{{i.achievement_title}}
数据更新时间:2023-05-31
涡度相关技术及其在陆地生态系统通量研究中的应用
内点最大化与冗余点控制的小型无人机遥感图像配准
服务经济时代新动能将由技术和服务共同驱动
卡斯特“网络社会理论”对于人文地理学的知识贡献-基于中外引文内容的分析与对比
滴状流条件下非饱和交叉裂隙分流机制研究
基于动态不确定因果图的概率安全评价新方法研究
基于动态不确定因果图的复杂系统故障诊断推理与决策方法研究
用于核电站故障诊断和安全运维的动态不确定因果图理论及应用研究
DUCG动态立体因果图的构建和推理方法及其实验验证研究