本文研究复杂事件识别技术中的不确定性，并回顾了基于自动机、概率图模型和一阶逻辑等技术以及基于 Petri 网和语法的方法，提出了它们存在的一些限制，并针对性地指出未来研究的方向。

Feb, 2017

本文研究了基于逻辑的事件识别中的不确定性问题，并通过引入概率推理扩展了事件演算，使用 Markov 逻辑网络作为基础形式。通过实验验证，证明了引入概率模型的 Event Calculus 在活动识别领域的优势。

Jul, 2012

介绍了一种基于 ASP 的、能够通过权重规则进行概率推理的复杂事件识别系统，可应用于活动识别等领域，并与多种现有算法进行了比较，并证明了其在效率和预测性能方面的优越性。

Mar, 2021

该论文提出了一种基于 Markov Logic Network 和知识图谱嵌入方法的概率逻辑神经网络 (pLogicNet) 来推理缺失的三元组，该方法结合了两种技术的优点，并通过多重知识图实验证明了其优越性。

Jun, 2019

本文研究基于事件中心知识图谱的深度神经网络复杂查询方法，提出了复杂事件查询回答（CEQA）框架，利用定理证明器填补实体中心查询系统无法推理的逻辑不确定性，实现了在具有时间维度的事件中心知识图谱上的准确推理。

May, 2023

基于符号表示的视频内容，我们提出了一个识别人类活动的系统：以时间戳的短期活动 (STA) 为输入，输出由预定义的 STA 时间组合的长期活动 (LTA)，这些 STA 限制已经通过事件演算的方言表达，并适应了最新的概率逻辑编程框架，通过对人类监控视频的基准数据集的实验来进行详细评估和比较。

Apr, 2012

基于事件流的轻量级不确定性感知信息传播的 Mobile-Former 网络用于有效的模式识别，对多个事件识别数据集进行了广泛实验验证。

Jan, 2024

提出了一种基于在线复合事件的商用车辆轨迹的识别系统，通过数据增强模块和逻辑编程实现的复合事件识别模块将车辆轨迹数据与外部信息相结合，实现了商用车辆管理应用程序中的有益活动识别。在真实的大规模商用车辆数据集上进行了有效性验证。

Jul, 2019

本文介绍了一种类似神经模块网络的组合模型，旨在对文本进行复杂的逻辑推理，通过寻找文章中相关的句子，并使用神经模块将它们链接起来，模型在 ROPES 上取得了显著的性能改进。

Apr, 2020

本文提出了一个使用图形化事件表示法和深度神经网络，使用视频事件查询语言在视频流数据上实现带有高表达能力的查询的 CEP 框架，并使用该框架检测了 spatiotemporal video event patterns。

Jul, 2020