检索结果-内蒙古大学图书馆

科学技术哲学研究 2025年第2期42卷 28-35页

作者：吴小安西北工业大学马克思主义学院西安710072

关于反事实条件句的真值问题,哈耶克(Alan Hájek)提出了反事实怀疑论,通过不确定性和非决定论论证来证明我们日常所述的大部分反事实条件句都为假,斯特芬森(H. Orri Stefánsson)以条件句的多维可能世界语义为基础,提出反-事... 详细信息

关于反事实条件句的真值问题,哈耶克(Alan Hájek)提出了反事实怀疑论,通过不确定性和非决定论论证来证明我们日常所述的大部分反事实条件句都为假,斯特芬森(H. Orri Stefánsson)以条件句的多维可能世界语义为基础,提出反-事实主义以捍卫日常反事实条件句为真的直觉,主张存在初始模态事实,即反-事实,来作为反事实条件句的使真者,从而反驳了哈耶克的论证,但其理论本身也有不可接受的代价。从结构因果模型的角度来审视反事实怀疑论和多维可能世界语义的反事实真值之争,证明不确定性的弊端是可能世界框架必然蕴涵,并质疑贯彻几率的必要性。

关键词：多维可能世界语义反-事实几率结构因果模型

来源：评论

学校读者我要写书评

暂无评论

结构因果模型径路评述

引用

自然辩证法通讯 2022年第5期44卷 112-123页

作者：吴小安张瑜西北工业大学马克思主义学院陕西西安710072 西北工业大学陕西省舆情信息研究中心陕西西安710199 北京大学哲学系北京100871

近三十年因果研究取得了长足的进步,除了被誉为“统计学因果推断革命”的潜在结果模型,还有朱迪亚·珀尔所主导的结构因果模型。这个理论在深刻改变社会科学、神经科学和行为科学研究范式的同时,也走出了一条不同于(同时也裨益于)... 详细信息

近三十年因果研究取得了长足的进步,除了被誉为“统计学因果推断革命”的潜在结果模型,还有朱迪亚·珀尔所主导的结构因果模型。这个理论在深刻改变社会科学、神经科学和行为科学研究范式的同时,也走出了一条不同于(同时也裨益于)机器学习(深度学习)智能研究的新思路,为人工智能进入“小数据、大任务”的范式发展提供了可能性与光照。本文将对结构因果模型的根本设想、数学化进程及其人工智能愿景做细致地评述。

关键词：贝叶斯网络结构因果模型因果推断引擎 do-演算

来源：评论

学校读者我要写书评

暂无评论

结构因果模型中的do算子分析

引用

自然辩证法通讯 2024年第6期46卷 57-65页

作者：胡嘉伟南京大学哲学系江苏南京210023

珀尔的形式化干预算子do(.)在他的结构因果模型中占有核心地位。然而由于许多学者对于do算子表达的干预性质及其符号语义有着不够充分的理解,一系列质疑的声音也随之出现。要回应这些质疑,我们应该在结构因果模型的理论背景和框架下剖... 详细信息

珀尔的形式化干预算子do(.)在他的结构因果模型中占有核心地位。然而由于许多学者对于do算子表达的干预性质及其符号语义有着不够充分的理解,一系列质疑的声音也随之出现。要回应这些质疑,我们应该在结构因果模型的理论背景和框架下剖析do算子本身,不仅要澄清其干预内涵和符号语义,也要厘清它在不同层级因果表达的限制所在。深入把握do算子,我们就能抓住结构因果模型的主要脉络及其关键点。

关键词：干预结构因果模型 do算子反事实随机对照实验

来源：评论

学校读者我要写书评

暂无评论

因果贡献度与结构因果模型——萨托莉奥模型疑难分析

引用

自然辩证法研究 2024年第3期40卷 45-52页

作者：吴小安吴东颖西北工业大学马克思主义学院西安710072 中国科学院哲学研究所北京100190

伦理学家卡罗莱娜·萨托莉奥开宗明义地反对存在因果贡献度这个概念,认为关于它的观念是一种“幻相”,源自一种“混淆”,不仅那些证成因果贡献度的“表象”可以通过解释来消解,而且那些用以测度因果贡献度的方法还会导致不可解决的... 详细信息

伦理学家卡罗莱娜·萨托莉奥开宗明义地反对存在因果贡献度这个概念,认为关于它的观念是一种“幻相”,源自一种“混淆”,不仅那些证成因果贡献度的“表象”可以通过解释来消解,而且那些用以测度因果贡献度的方法还会导致不可解决的“疑难”。根据实际因果的结构方程理论以及心理学和认知科学的研究成果,说明萨托莉奥的论证思路从前提上就错了,充分性和必要性并不是像她理解的那样是用来刻画因果贡献度的,而是用来定义因果关系的,对于规范性的考量才是因果贡献度之为可能的原因,并进一步说明,结构方程理论不能最终解决萨托莉奥的“疑难”,那也只是因为具体情形中规范的模糊性,并不构成对结构方程理论的反驳,以此捍卫了因果贡献度概念之为可能。

关键词：因果贡献度结果运气战争责任结构因果模型

来源：评论

学校读者我要写书评

暂无评论

基于结构因果模型的决策层融合法在故障诊断中的应用研究

基于结构因果模型的决策层融合法在故障诊断中的应用研究

引用

作者：蒲昊原南华大学

学位级别：硕士

大型系统由于其过程复杂、变量耦合度高,具有较高分类精度的机器学习方法是目前故障诊断领域的研究热点。但在安全攸关系统中,危险故障的真实数据较少,使得单一机器学习方法难以有效覆盖所有类型故障,导致分类精度有所下降。故现有研究... 详细信息

大型系统由于其过程复杂、变量耦合度高,具有较高分类精度的机器学习方法是目前故障诊断领域的研究热点。但在安全攸关系统中,危险故障的真实数据较少,使得单一机器学习方法难以有效覆盖所有类型故障,导致分类精度有所下降。故现有研究者使用决策层融合法,融合多个单一方法的诊断结果得到全局结果,来提升整体分类精度。近年来决策层融合研究主要以贝叶斯网络决策层融合为主。其融合自多个单一方法诊断结果的全局结果能较为有效地提高整体分类精度。但存在以下问题:(1)依旧采用条件概率描述各决策节点间的关系,并未使用更具体的关系式。当决策状态和融合目标增多时,其条件概率表的复杂程度也会陡然提升,这会提高模型的构建和计算成本。(2)利用贝叶斯公式计算后验概率来衡量各初步决策融合权重的方式也不符合实际决策层融合过程中的因果方向。这些问题都影响了其方法的应用和可扩展性。对此,本文引入Pearl所提出的结构因果模型来实现大型系统决策层融合故障诊断,其融合了两个单一机器学习方法的决策结果得到全局决策结果,提升整体正分类率。模型分为因果图和结构方程。因果图可用于描述融合流程中各决策节点间的关系以及节点状态。结构方程作为一种关系式,允许赋予节点间关系因果方向,可以用相比条件概率更加具体和精确的形式描述节点间的关系,从而有针对性地实现融合目标来融合各单一方法的决策,确保提高整体正分类率。这也使得本文方法的构建和使用不依赖于特定的初步决策方法,仅需利用两个被选中的初步方法的诊断结果构建决策层融合模型来实现融合,更具可扩展性。为了验证所提出的方法的有效性,本文选择在化工仿真平台Tennessee Eastman过程上进行实验。该平台近年来在大型复杂系统故障诊断领域中作为研究基准受到广泛的使用。在实验中,本文将线性判别分析法、高斯朴素贝叶斯法和K-最近邻法分为三组作为本文方法的输入,实现决策层融合故障诊断。结果表明,相较于上述单一方法,本文所提出的方法的结果在各状态的正分类率和方法整体正分类率上均得到了有效提升。

关键词：故障诊断决策层融合结构因果模型 Tennessee Eastman过程

来源：评论

学校读者我要写书评

暂无评论

基于结构因果模型的图像可控生成方法研究

基于结构因果模型的图像可控生成方法研究

引用

作者：张文彬重庆大学

学位级别：硕士

图像生成的相关工作一直是计算机视觉领域的经典问题。随着近年来深度学习技术伴随着硬件革新的蓬勃发展,利用深度学习模型解决图像生成的各种问题一直是领域内的前沿热点,特别是对图像内容的属性可控生成技术探究更具有着广阔的应用前... 详细信息

图像生成的相关工作一直是计算机视觉领域的经典问题。随着近年来深度学习技术伴随着硬件革新的蓬勃发展,利用深度学习模型解决图像生成的各种问题一直是领域内的前沿热点,特别是对图像内容的属性可控生成技术探究更具有着广阔的应用前景。但是使用深度学习来探究属性可控生成的绝大多数方法都有着本质的局限性,最核心的问题是,大多数方法对损失函数与网络结构的改动,并没有考虑到对网络内部运行机理的探究,所以网络整体在外部看来仍然是黑盒的。这使得实验结果缺乏说服力,也难以针对性地根据内部原理对网络做出相应改进。少部分方法也尝试着在可解释性角度对网络进行设计改善,但无法给出具有完善因果结构支撑的,拥有直观简洁网络结构的因果探寻结果。考虑到上述工作的局限性,我们提出嵌套了结构化因果机制的因果矩阵生成对抗网络(CMGAN:A Generative Adversarial Network Embedded with Causal Matrix),其通过施加了无环约束的额外网络层来还原多属性标签中各个属性特征之间的因果邻接矩阵,从而得到对应的因果有向无环图。这样一来,网络便可通过自主学习属性之间的因果关系,并由此生成多属性标签,实现因果层面的属性特征分离。尤其具有创新性的是,CMGAN还可以对数据的生成过程添加干预机制,在属性特征层面回答因果理论中的“要是”问题。同时,还可以将标签映射为图像,完成整个多属性标签图像可控生成的流程。论文主要完成的工作如下:(1)针对神经网络缺少解释性的特点,在生成对抗网络中引入了因果矩阵。探寻了矩阵在网络结构中的合适位置,并通过施加无环约束等训练细节使得该矩阵可以得到训练数据(如多属性标签中的各个属性)之间的因果关系,并以因果图的方式展现。(2)在因果矩阵得到训练的基础之上,实现了因果机制中的干预操作,从而可以将特定值赋予目标属性,同时不影响其在因果关系中的父属性,实现属性之间的特征分离。并可进一步接受多属性标签,并将其转化为对应的图片,且不需要额外复杂的网络结构,实现完整的图像可控生成流程。(3)对CMGAN的各组成部分,采用不同的数据集、度量指标与对比方法,在不同的功能角度设计并实施了一系列综合性实验,验证了所提出方法的有效性。

关键词：图像可控生成生成对抗网络因果机制结构因果模型

来源：评论

学校读者我要写书评

暂无评论

条件化、干预和影像——信念度改变的三径路

引用

逻辑学研究 2025年第2期18卷 1-23页

作者：吴小安西北工业大学马克思主义学院

本文讨论了信念度改变的三种方式。前两种是在获得新的观测信息或者干预信息的情况下,一个完美的理性主体如何改变信念度的方法;后一种是关于在可能世界的框架内如何对反事实指派概率的影像理论,同样也是一种关于概率如何流变的理论。... 详细信息

本文讨论了信念度改变的三种方式。前两种是在获得新的观测信息或者干预信息的情况下,一个完美的理性主体如何改变信念度的方法;后一种是关于在可能世界的框架内如何对反事实指派概率的影像理论,同样也是一种关于概率如何流变的理论。我将说明和比较在可能世界的框架如何来理解这三种信念度的改变。珀尔将以干预理论的运作机制为参考,修正刘易斯的影像理论,这个修正的影像理论相较于干预理论有其优势,比如对于析取前件反事实的处理,但我将证明因为这个修正要把刘易斯原先所采用的罗伯特·斯塔内克语义替换为他自己的语义,不再能得到原初的结果,即P^(A)(C)=IP(A□→C)。

关键词：条件概率影像结构因果模型加权系统

来源：评论

学校读者我要写书评

暂无评论

基于因果关系的故障传播路径辨识方法研究

引用

系统工程与电子技术 2023年第12期45卷 4090-4100页

作者：吕佳朋史贤俊秦亮赵超轮海军航空大学岸防兵学院山东烟台264001

针对故障传播路径辨识问题,提出了一种基于因果关系的故障传播路径辨识方法,从因果关系的角度揭示了故障发生及传播的内涵。利用系统中故障发生的因果性,确定故障发生时受影响的变量,构建故障相关变量集合;通过因果关系指示指标确定故... 详细信息

针对故障传播路径辨识问题,提出了一种基于因果关系的故障传播路径辨识方法,从因果关系的角度揭示了故障发生及传播的内涵。利用系统中故障发生的因果性,确定故障发生时受影响的变量,构建故障相关变量集合;通过因果关系指示指标确定故障相关变量中各个变量的因果性,构建因果矩阵;提出保可达性的赋权有向图最小生成树算法,根据因果矩阵对相关变量之间的因果性进行图示化表达,确定故障相关变量之间的传播影响过程,实现故障传播路径的辨识。所提方法在双带通滤波器电路上进行了实验验证,实验结果表明了所提方法能够正确筛选故障相关变量集合,分析变量之间的因果关系,辨识出故障传播路径,同时所提方法在时间成本上相较于常用的传递熵方法具有一定的优势。

关键词：因果关系结构因果模型故障传播路径有向图最小生成树

来源：评论

学校读者我要写书评

暂无评论

因果推断三种分析框架及其应用综述

引用

工程科学学报 2022年第7期44卷 1231-1243页

作者：马忠贵徐晓晗刘雪儿北京科技大学计算机与通信工程学院北京100083

介绍因果推断所涉及的基本概念及其三种分析框架:反事实框架、潜在结果模型和结构因果模型.首先,从反事实框架介绍因果效应的发端;然后,从基于反事实的两个因果推断分析框架:潜在结果模型和结构因果模型,来分别阐述两个分析框架所涉及... 详细信息

介绍因果推断所涉及的基本概念及其三种分析框架:反事实框架、潜在结果模型和结构因果模型.首先,从反事实框架介绍因果效应的发端;然后,从基于反事实的两个因果推断分析框架:潜在结果模型和结构因果模型,来分别阐述两个分析框架所涉及的关键理论和应用方法.其中,潜在结果模型使用数学和可计算的语言对因果理论进行阐述,是一种将假设、命题和结论清晰化表达的计算模型,其在原因和结果变量已知的前提下定量分析原因变量对结果变量的因果效应,并对缺失的潜在结果进行补齐,使观察性研究的效果接近试验性研究.结构因果模型则是一种基于图论的因果推断方法,它将事件分为观察、干预和反事实三个层级,并通过do运算将干预和反事实层级的因果关系都降维成可以通过统计学手段解决的问题.最后,探讨了现今多领域内因果推断的应用场景,并总结了三种分析框架的异同点.

关键词：因果效应因果推断反事实潜在结果模型结构因果模型

来源：评论

学校读者我要写书评

暂无评论

基于因果正则化极限学习机的风电功率短期预测方法

引用

电力系统保护与控制 2024年第11期52卷 127-136页

作者：杨茂张书天王勃现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学) 吉林吉林132012 新能源与储能运行控制国家重点实验室(中国电力科学研究院有限公司) 北京100192

随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal reg... 详细信息

随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal regularized extreme learning machine, CRELM)的风电功率短期预测方法。首先将极限学习机(extreme learning machine, ELM)建模为结构因果模型(structural causal model, SCM),在此基础上计算隐藏层神经元与输出层神经元之间的平均因果效应向量。然后将该平均因果效应向量与输出层权重相结合构成因果正则化项,在最小化训练误差的同时最大化网络的因果关系,以进一步提升模型的预测准确性和预测稳定性。最后,以国内蒙西某风电场数据为例,与采用特征选择或不采用特征选择的预测模型相对比,验证了所提方法的有效性和适用性。

关键词：特征选择因果正则化结构因果模型平均因果效应向量极限学习机

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：