本论文介绍了基于模型的诊断，探讨了该领域的主要挑战，并讨论了一些应对这些问题的研究方法。

Jun, 2023

本文提出一种软件代理的架构，用于操作物理设备并能够观察和测试修复设备组件。基于行动语言理论，我们提出了简化版本的症状、候选诊断和诊断概念定义，并通过计算逻辑程序的稳定模型来描述代理的行为。

Dec, 2003

本文提出了模型的鲁棒性来应对数据偏移，给出了用贝叶斯网络建模，确定参数和因果影响的干预下的最坏情况下性能的算法。实验结果表明该方法在实践网络中得出有用且可解释的范围性结论，从而可以构建出可证明因果性的鲁棒决策制定系统。

May, 2021

通过基于贝叶斯高斯混合模型的两条途径的数据驱动模型，我们将自组织机器人网络的拓扑 (不可) 恢复性预测问题解决为一个二元分类问题，并成功地预测了典型问题的解决方案。

Oct, 2023

我们提出了一种基于贝叶斯优化的方法，通过活动干预来最大化获取决定性和正确证据的概率，从而有效地发现因果关系，并增强理论进展的实际应用。

Jun, 2024

本文介绍了一种高效的模型诊断过程，针对具有输入输出因果关系的系统。在此诊断过程中，首先确定一组可能破损的组件的焦点；其次，在焦点内确定最具信息的探测点。该诊断过程在组件的连通性低时表现出线性时间复杂度，并可应用于动态系统和包含循环的系统中，可选择检测间歇性故障或通过假定非间歇性来提高诊断精度。

Sep, 2022

本文提出了一个利用贝叶斯模型为决策性控制搜索和推理算法提供通用框架的方法，并通过结构化约束满足问题的一种难类任务，演示了该方法的应用。本文进一步探讨了如何通过学习贝叶斯模型来创建动态截止策略，以及在哪些情况下动态重启策略能够超越理论上最优的固定策略。

Jan, 2013

探测规则需要重新设计以适应行为智能体，本文采用前景理论模型研究了对特殊代理模型优化探测规则的不同方案，并且还展示了不同行为模型下人类智能体的决策规则与贝叶斯决策规则的偏差。

Oct, 2016

本文研究了 Bayesian 网络的身份测试和相似性测试的性质，提出了第一个非平凡的高效测试算法，并给出了相应的信息理论下界，其测试样本复杂度在维度上是亚线性的，适用于各种参数设置，是样本的最优解，直到常数因子。

Dec, 2016

通过两种概率方法选取最优行动以在有限的因果知识下实现补救，以解决缺乏真实结构因果模型的限制，并在不完美的因果知识下提供比非概率基线更可靠的建议。

Jun, 2020