实体
Markov Networks
Markov Networks
PulseAugur coverage of Markov Networks — every cluster mentioning Markov Networks across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新系列文章认为贝叶斯、马尔可夫模型在意识问题上存在不足
一篇题为“第三层滞后：Sean Moran、贝叶斯网络、马尔可夫网络和逻辑规则无法让我们做什么”的新系列文章，探讨了传统人工智能概率模型（如贝叶斯网络和马尔可夫网络）的局限性。作者认为，这些依赖于固定规则和外部观察者视角的模型不足以理解涌现意识。相反，该系列文章提出了一个包含观察者动态状态的新数学框架，其灵感来源于 Roger Penrose 关于思维非算法性质的论述以及 Stuart Hameroff 关于意识的理论。
-
GNNs 实现离散结构构件状态的贝叶斯反演
研究人员开发了一个新的贝叶斯反演框架，使用概率图模型（PGMs）来推断结构构件的健康状态。该方法解决了高维离散状态参数的似然函数构建和边际似然计算中的挑战。该框架利用图神经网络（GNNs）进行推断，并采用基于图属性的训练策略，以确保在不同图尺度上的准确性并降低计算成本。