Sep, 2023

福尔摩斯不玩骰子：证据理论对社会和生命科学的意义

PDF
TL;DR证据理论可用于数据融合中，能够表达由于担心事件可能发生而产生的不确定性，与概率论相比，它不仅仅限于决策者目前设想的可能性；我们阐述了 Dempster-Shafer 的组合规则与贝叶斯定理在各种概率论版本中的关系，并讨论了信息论应用受证据理论的增强。最后，我们通过一个审计实例来说明证据理论如何解释部分重叠且部分矛盾的解决方案。
evidence theorydata fusionuncertaintyprobability theoryinformation theory
发现论文，激发创造
  • 一种针对冲突和不确定证据的信念模型 —— 连接 Dempster-Shafer 理论和证据拓扑

    本论文提出了一种新的模型，结合了 Dempster-Shafer Theory 和 Evidence 的拓扑模型，可以根据不同标准计算代理的（可能）不同的信念程度，并解决了计算这些程度的问题的 #P-complete 问题。

    Jun, 2023

  • 可传递信念模型与 Dempster-Shafer 模型的其他解释

    该研究论述了 Dempster-Shafer’a model 的不同解释及其革新意义。

    Mar, 2013

  • 基于置信度熵的量子贝叶斯网络中干涉效应的不确定度测量

    本文提出了一种新的量子 - 类贝叶斯网络，以解释社会困境中人们的行为违反 Sure Thing 原则的现象，同时使用 Deng 熵提出了信仰距离概念，从而使得该模型在实证数据测试中证明是可预测和有效的。

    Sep, 2017

  • 归纳推理的一般非概率理论

    通过定义和说明，本文提出了一种新的解决方案来代表非概率性信念状态，并将其与概率理论进行比较，发现新理论在结构上类似于概率理论，但更容易实现，并且在某些方面更为简单。

    Mar, 2013

  • 广义证据理论

    本文提出了一种广义证据理论 (GET)，相对于现有方法，GET 的核心理念是建立在以不确定性和不完全知识为开放世界为前提的基础上，能够更加合理地解释和处理冲突证据。

    Apr, 2014

  • 应用 Dempster-Shafer 理论处理共同分析中的认识不确定性

    该论文提出了一种对连接数据消息中的认知不确定性进行建模以及根据碰撞概率的置信度对连接事件进行分类的方法，该方法基于证据的 Dempster-Shafer 理论，假设观测到的连接数据消息来自于一组未知分布，利用 Dvoretzky-Kiefer-Wolfowitz 不等式构建了这组未知分布的稳健界限，并从时间序列的连接数据消息构建了 Dempster-Shafer 理论结构，该结构包含了连接数据消息的不确定性，并允许计算给定碰撞概率实现的置信度和可信度。本文提出的方法在几个真实事件上进行了测试，并与欧洲和法国航天局的现有做法进行了比较。

    Jan, 2024

  • 运用认知随机模糊集对模糊和不确定证据进行推理的通用框架及实用模型

    本文提出了一种关于认知随机模糊集的普遍理论，用于处理模糊或清晰证据，并通过广义的乘积交集规则进行独立认知随机模糊集的组合，提出了用于量化标量或矢量量，即高斯随机模糊数和多维高斯随机模糊向量的实用模型，并为组合、投影和平凡扩展推导了高斯随机模糊数和向量的公式。

    Feb, 2022

  • 认知深度学习

    该论文介绍了一种基于随机集合解释置信度函数的认知深度学习概念，提出了一种新的随机集合卷积神经网络用于分类，并通过实验表明该认知方法在估计不确定性方面比传统方法具有更好的性能。

    Jun, 2022

  • 基于前景理论的人类决策规则设计与假设检验

    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

  • Harold Jeffreys 概率论理论重访

    Jeffreys 的概率论是 Bayes 统计领域的经典之作和客观 Bayes 学派的先驱，其中详尽的论证了非信息先验的构建和 Bayes 因子的扩展对该领域产生了持久的影响。本文旨在帮助读者在这篇难以理解的文章中找到当今仍然有意义的段落。

    Apr, 2008