本文介绍 Quantified Boolean Bayesian Network (QBBN)，提供了逻辑和概率推理的统一视角，通过创建具有逻辑推理基础的无界布尔变量的贝叶斯网络，以解决信息检索中大型语言模型（LLM）产生幻觉的问题，并且研究了推断方法中的 LBP 的使用和收敛性。

Feb, 2024

本文提供了一种基于面向对象动态网络（OODN）的知识表示模型，可以用来建立对象和对象类之间的新关系，并维护各个概念对象之间的正确性和灵活性，同时提供了类别和类型之间的层次结构和分类。此模型可用于模拟人类知识系统和人类思维主要机制，如新经验和新理解的获取，具有重要的实际意义。

Oct, 2015

论文介绍了能够克服贝叶斯网络在表示对象和关系等方面的局限性的贝叶斯逻辑程序，并通过一个映射方法将基本的贝叶斯网络和明确的条目逻辑相结合，证明它们的定量和定性的相互独立性，并且同时将贝叶斯网络和逻辑程序进行了广义化。

Nov, 2001

本文介绍了一种基于 Ordered Decision Diagrams（ODDs）的贝叶斯网络分类器的推理方法，包括将任何朴素贝叶斯分类器转换成 ODDs 的算法，以及使用 ODDs 进行等价性测试和 CPT 更改范围的特性分析。

Oct, 2012

通过约束逻辑编程的框架，提出了一种新方法 CLP (BN)，用于表达贝叶斯网络，该方法使用唯一的新符号 Skolem 函数表示具有未知值的对象，与 PRMs 和概率逻辑程序相关。

Oct, 2012

本文探讨了贝叶斯网络的构建方法，阐述了利用数据构建模型的统计方法，以及学习贝叶斯网络参数和结构的技术，最终通过一个实例来论证了贝叶斯网络在实际中的应用。

Feb, 2020

该研究提出了一种基于将贝叶斯网络分类器编译成具有可处理和符号形式的决策函数的方法，用于解释分类器如何分类实例的两种类型解释，并提供了计算这些解释的算法。

May, 2018

使用贝叶斯网络代替以前用于表示多个随机事件概率关系的知识库，它使用一种强大的方式来指定条件概率分布，提供等事件约束和复杂嵌套组合函数。

Feb, 2013

基于贝叶斯神经网络的附加结构（ABNN）用于从新颖数据中提取不确定性，通过集成来自内部和外部数据的不确定性来改善性能，并通过理论分析和实验证实其优越性。

Oct, 2023

本研究介绍了利用贝叶斯信念网络和影响图构建概率表示模型的过程，并探讨了一些通用技术，如‘噪声 OR 门’概念，以帮助建立和量化不确定关系，并对 Bayes 网络的通用元素进行了敏感性分析，从而获得对概率评估足够粗糙时和需要更高精度时的见解。

Mar, 2013