- ECCV用于目标检测的 IoU 预测的概率锚点分配
本文提出了一种新的锚点分配策略，通过模型的学习状态自适应地将锚点分成正样本和负样本，实现概率推理，并验证其有效性。该方法只在 RetinaNet 基线中添加了一个卷积层，并且不需要每个位置多个锚点，因此非常高效。
- 神经网络中的深度不确定性
通过对神经网络的深度进行概率推理，我们能够只需一次前向传播，就能估计模型的不确定性。在真实的回归和图像分类任务中，我们验证了这一方法的效果，并证明它能提供不确定度校准、对数据集变化的鲁棒性和与计算成本更高的基线准确度相当的预测结果。
- ICLR神经模块网络用于文本推理
通过引入能够对文本段进行推理的组件、以概率性和可微分的方式执行数字和日期等符号推理的组件，提出了一种改进的神经模块网络（NMNs）模型，提高了非合成问题的预测效果，实验结果表明，该模型在 DROP 数据集上取得了显著的性能提升。
- 生成性前继模型用于高效模仿学习
提出了基于生成模型的前身模型的模仿学习算法，能够将状态 - 动作分布与专家演示中观察到的分布匹配，并使用概率化模型对演示状态的可替代历史进行推理，证明这种方法仅需少量专家演示和自我监督交互即可学习出健壮的策略，并在实验中与现阶段的模仿学习方 - AAAI关于带不确定性有限轨迹的时间逻辑（技术报告）
提出了一种新的基于超定理解的概率时态逻辑，用于处理现实动态系统中的不确定性，探讨了逻辑的特性并提供了基于自动机的推断机制。同时，研究了具有更好计算性质的逻辑片段，可以通过现有的声明性流程发现技术从事件日志数据中发现公式。
- IJCAI梅德尼岛极地狐濒危种群的基于代理的模型
利用人工智能技术，我们开发了一个建立在 Medniy 岛上北极狐为代理的基于代理的模型，并利用概率图模型来捕捉随机变量之间的条件依赖关系，从而研究其在高密度环境下的存活和人口动态。
- MM一种基于概率的 BC + 动作语言扩展
本文提出了行动语言 BC + 的概率扩展，即 pBC+，它是 LPMLN 程序的高级符号表示法。我们展示了如何在 pBC + 中建模概率推理，如预测、后推和规划问题，以及动态领域的概率诊断，并使用 LPMLN 实现计算。
- AAAI半环编程：广义求和乘积问题的声明性框架
为了解决难题，人工智能依赖于逻辑、概率推理、机器学习和数学规划等学科，而现代表示方法很少为此提供支持。作者介绍了一种新的声明性编程框架，提供了著名问题的抽象，如 SAT，Bayesian 推理，生成模型和凸优化，并使用带有半环标签的一阶结构 - 逻辑归纳
本文介绍了一种适用于给定形式语言中的任何逻辑语句并随时间精细调整概率的可计算算法，并证明了其在学习预测逻辑陈述中真实和虚假的模式、使用恰当的统计摘要预测具有伪随机的真值序列、拥有关于自身的精确信念、且在极限情况下，其信念有着一种自洽性的优势 - Cantor meets Scott: 概率网络的语义基础
本文提出了一个新的应用领域理论的 ProbNetKAT 语义的特征，进而实现了 ProbNetKAT 的实际问题解决。我们使用该语义来描述各种概率问题，例如在网络中关于路由方案的期望拥塞和关于网络连通性的概率推理，并开发出原型实现。
- 通过深度学习进行概率推理：神经关联模型
本文提出了名为神经关联模型（NAM）的新深度学习方法，旨在用于人工智能中的概率推理。作者研究了两种 NAM 结构，即深度神经网络（DNN）和关系调制神经网络（RMNN），并在多个概率推理任务中证明了它们的有效性，包括识别文本蕴含，多关系知识 - 传感器网络中的不确定情况下的复杂事件识别
本文介绍了一种使用 Markov 逻辑网络的概率一阶谓词逻辑（FOPL）推理系统，从传感器网络中提取信息进行复杂决策，以及证明这种方法在处理各种实际数据时的数学准确性和广泛适用性。
- 动作的概率微积分
本研究提出一种符号机制，能够处理有关概率和因果信息，从而推断出关于行动影响和观测影响的概率性语句，并利用条件概率和贝叶斯网络等技术来推导新的条件概率，以此量化行动效果和政策制定等方面的确认知识。
- Kappa 演算与概率推理之间的关系
该论文研究了 kappa 演算和诊断应用中的概率推理之间的联系，通过将概率信念网络抽象成 kappa 网络，比较两种方法计算的故障排序，表明，在考虑原始概率网络中的所有因果关系时，至少对于所研究的例子，故障排列是相同的。
- 非单调因果理论中的行动概率推理
该研究提出了一种关于动作的概率推理语言 {m P}{cal C}+，是动作语言 {cal C}+ 的一种推广形式，能够处理行为的概率和不确定性影响，并利用历史和信念状态的概念，简明地阐述了该形式主要研究内容。
- 事件识别的概率事件演算
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。
- 概率相似逻辑
本论文介绍了一种通用的概率相似逻辑框架 (PSL)，可用于多关系数据中的相似性推理，它包括概率推理和关系结构的相似性，该框架能够整合任何现有的领域特定的相似性措施，并支持对实体集之间相似性的推理和学习。
- 从统计知识库到信念度量
研究一种名为随机世界方法的方法，该方法基于不同可能的世界同等可能的原则来诱导信念度数，从而在定量概率推理中集成了定性默认推理，可以应用于许多其他非演绎性推理系统所无法处理的问题。