论文10:11
PEON 方法：用概率本体建模运行设计域，让 AI 系统测试有统计依据搞自动驾驶或列车感知测试的可以看看：PEON 把运行设计域建成概率模型，能自动采出代表性测试用例，还给出何时能停测的判据。
#贝叶斯网络
共 3 条 · 7 天 0 条 · 30 天 1 条
信息流里打上「贝叶斯网络」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月22日
6月16日
论文10:35
贝叶斯网络BN-LTE实现阿尔茨海默病阶段感知因果建模这篇论文用贝叶斯网络模拟阿尔茨海默病的AT(N)级联，比黑箱预测更可解释。它从ADNI数据中找到了tau扩散的关键时间窗，对神经影像研究有参考价值。
6月5日
Causal Atlases from Entropic Inference: 用熵推断生成因果图谱，超越最优DAG
因果发现领域长期依赖单一最优DAG，但真实数据往往支持多种解释——这篇论文用熵推断解决了这个痛点，做因果推断或复杂系统建模的研究者值得关注，方法可直接用于评估因果结构的稳健性。