该论文介绍了一种基于分治的诊断算法（FastDiag），它可以在超约束问题中识别出最小的错误约束集，以恢复一致性，并与冲突导向的命中集计算进行对比，得出了我们方法的优势。

Feb, 2021

本论文提出了一种名为 Discret2Di 的方法，用于自动学习基于一致性的诊断的逻辑表达式。该方法通过结合时间序列和符号域的机器学习，解决了逻辑计算在动态系统离散化方面的关键问题。

Nov, 2023

本文提出了一种使用并行计算技术的快速、高效的 PC 算法，并在高维数据集和 miRNA-mRNA 调节关系推断中进行了应用和实验，结果表明该算法比原始 PC 算法更加高效和准确。

Feb, 2015

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

研究了一种概率模型用于多种疾病的诊断，通过 quick score 算法可以计算出每种疾病的后验概率，并在 Quick Medical Reference（QMR）上得到了应用和性能结果。

Mar, 2013

通过将 Reiter 理论泛化为对任何类型系统和诊断的无知论，我们定义了基于首要原则的最小诊断，它将最有可能的诊断候选集合在一个假设搜索空间中。在相对温和的假设下，我们的算法能够正确计算首选的诊断候选集合。尽管搜索空间不再是幂集，与 Reiter 理论不同，我们的理论的适用性更广，并且在实际问题中实现的两个算法能够解决现有诊断方法无法解决的示例。

Sep, 2023

本文提出一种基于广泛并行的拉格朗日分解方法，用于解决出现在结构化预测中的 0-1 整数线性规划问题。通过使用二叉决策图对子问题进行表示，我们的 GPU 实现改进了 Lange 等人 (2021) 算法的运行时间。

Nov, 2021

本研究旨在通过多项式数量的条件独立性测试来学习隐藏因果图的较粗糙表示，名为因果一致分区图（CCPG），它由顶点的一个分区和在其组件上定义的有向图组成，并满足方向性的一致性和其他有利于更细的分区的约束条件。此方法在因果图可识别的特殊情况下，通过多项式数量的测试，提供了首个有效的还原真实因果图的算法。

Jun, 2024

提出了基于多值决策图表示法的约束序列模式挖掘技术，可以适应多个项目属性和各种约束类型，包括一些非单调约束。通过开发一个基于 MDD 的前缀投影算法，可以将其应用性进行评估，并与典型的生成检查变体以及最先进的基于约束的序列模式挖掘算法进行性能比较，结果表明我们的方法在可伸缩性和效率方面与其他方法相当或优于其他方法。

Nov, 2018

本文介绍了如何将基于分治法的（直接）诊断算法（无需冲突检测）用于基于约束的推荐场景中，并提供了基于 MediaWiki 的推荐环境 WeeVis 的概述。

Feb, 2021