问题标签 [inference]

我正在尝试通过 jena 制作 SPARQL 端点系统。该系统使用模型类并且是动态推理的。

但是有必要使用数据集类而不是模型。我想在 SPARQL 中使用 GraphID。我认为做动态推理很难。

要使用数据集进行动态推断，您将如何实现？

我想我不太明白 F# 如何在序列表达式中推断类型以及为什么即使我直接从“seq”指定元素的类型也无法正确识别类型。

在以下 F# 代码中，我们有一个基类 A 和两个派生类 B 和 C：

如果我尝试在简单的序列表达式中“生成”它们的实例，我会收到两个错误：

这是有道理的，因为推断“常见”类型可能不是那么简单（我认为接口可以使工作更加困难）。但是，这些错误可以通过安全转换来修复：

如果我不想使用演员表怎么办？我试图直接从“seq”指定序列类型，但事情似乎不起作用：

所以，我的问题是：有没有办法避免演员表？如果没有，是否有理由说明即使指定类型也不能使代码工作？

我尝试通过以下链接进行挖掘：

http://msdn.microsoft.com/en-us/library/dd233209.aspx http://lorgonblog.wordpress.com/2009/10/25/overview-of-type-in​​ference-in-f/

但是我没有发现任何有用的...

提前感谢您提供的任何答案:)

我有一些与高斯贝叶斯网络中的部分溯因推理有关的问题（贝叶斯网络适应随机变量的连续性质并共同遵循高斯分布）......

我的问题是：

1. 在高斯贝叶斯网络的情况下，像连接树传播这样的算法是否适用于离散变量贝叶斯网络？
2. 如果不是，那么哪些算法适用于高斯贝叶斯网络？
3. 在高斯贝叶斯网络的情况下，部分溯因推理是否有任何复杂性证明（众所周知，在离散变量贝叶斯网络的情况下，任务是 NP-hard）？
4. 进化算法或 MCMC 采样标准能否应用于高斯贝叶斯网络中的近似部分溯因推理？

如果在这方面帮助我，我将不胜感激。提前致谢...

我成功地为文件扩展名使用了 nmake 推理规则——但是添加文件前缀呢？我正在做 qt 的东西，所以给出了一个文件列表，例如

MOCS=moc_file1.cpp moc_file2.cpp

我想找到一个推理规则来获取 .h 文件名以用作 moc.exe 的输入并创建 .cpp 文件。

从这个Oracle Java 教程：

WildcardError 示例在编译时会产生捕获错误：

在此错误演示之后，他们使用辅助方法解决了问题：

首先，他们说列表输入参数 ( i) 被视为Object：

在此示例中，编译器将i输入参数处理为 Object 类型。

那么为什么i.get(0)不返回一个Object？如果它已经这样传递了？

此外，使用 a 的意义何在<?>，那么您必须使用辅助方法使用<T>. T直接使用哪个可以推断会不会更好？

R 提供了一个非常强大的包，称为 laplacesdemon，用于使用拉普拉斯分布进行贝叶斯推理。我想知道 Matlab 是否有任何等效的软件包？

谢谢！

给定来自 Mahout LDA CVB 程序/离线批处理执行的主题模型，我喜欢使用模型/在线 Web 服务调用来推断新文档。

这些文档对于新的和推断的帮助并不大。* https://builds.apache.org/job/Mahout-Quality/javadoc/org/apache/mahout/clustering/lda/cvb/TopicModel.html * http://svn.apache.org/viewvc/mahout/trunk /core/src/main/java/org/apache/mahout/clustering/lda/cvb/TopicModel.java?view=markup

我什至在 Internet 或其他地方都找不到任何示例代码。

在这里，我想我可能想用Java代码做，

TopicModel model = new TopicModel();

Vector documentInTermFrequency = new RandomAccessSparseVector(); documentInTermFrequence.setQuick(termIdX, 10); documentInTermFrequence.setQuick(termIdY, 20);

Vector docTopic = new DenseVector(new Double[10] { 0.1, 0.1, ..., 0.1 }); // 0.1 probabilities

Vector documentTopicInference = model.infer(documentInTermFrequence, docTopic);

我没见过有人尝试过这样的事情吗？有没有人尝试过这样的事情？

任何建议或指针将不胜感激。

简单快速的怀疑。假设我的 ARFF 看起来像这样：

5 个属性（4 个没有类属性）。当我创建一个Instance进行分类时，我应该为属性类引入一个值吗？喜欢 ”？” 或“-1”或类似的东西。它会改变什么吗？例子：

和功能：

公共实例 featureVectorToInstances(ArrayList featureVector){

}

公共字符串分类InstanceToString（实例未标记）抛出异常{

}

提前致谢

我正在尝试更多地了解答案/推理引擎是如何工作的，以及它背后的代码。

有没有关于这个主题的著名或做得好的算法、好书或论文？

Google Now（答案不是预测部分）、Siri 和 Wolfram 等系统如何？阿尔法工作？

我知道他们使用自然语言处理和机器学习，但他们如何回答基于知识/事实集合的问题？

我目前正在尝试在 Mathematica 中实现高斯过程，并且坚持最大化对数似然。我只是尝试在我的对数似然函数上使用 FindMaximum 公式，但这似乎不适用于此函数。

在对数似然中，我通常会得到协方差矩阵的倒数乘以 gpdata[[All, 2]] 向量的乘积，但是因为协方差矩阵总是半正定的，所以我这样写。如果我使用 gpdata[[All, 2]].Inverse[ covariancematrix[h0, h1]].gpdata[[All, 2]]，评估也不会停止

有人有想法吗？我实际上正在研究一个更复杂的问题，我有 6 个参数需要优化，但我已经遇到了 2 个问题。