問題タブ [inference]

jena で SPARQL エンドポイント システムを作成しようとしています。このシステムは Model Class を使用し、動的推論でした。

ただし、モデルの代わりにデータセット クラスを使用する必要があります。そして、SPARQL で GraphID を使用したいと考えています。動的推論を行うのは難しいと思います。

データセットを使用して動的推論を行うには、どのように実装しますか?

F# がシーケンス式の型をどのように推論するのか、また、「seq」から要素の型を直接指定しても型が正しく認識されない理由がよくわかっていないと思います。

次の F# コードには、基本クラス A と 2 つの派生クラス B と C があります。

単純なシーケンス式でそれらのインスタンスを「生成」しようとすると、次の 2 つのエラーが発生します。

「一般的な」タイプを推測するのはそれほど簡単ではないかもしれないので、それは理にかなっています（インターフェースは、それをはるかに困難にする可能性があると思います）。ただし、これらのエラーは安全なキャストで修正できます。

キャストを使用したくない場合はどうすればよいですか? 「seq」からシーケンスタイプを直接指定しようとしましたが、うまくいかないようです:

だから、私の質問は: キャストを避ける方法はありますか? そうでない場合、型を指定してもコードが機能しない理由はありますか?

次のリンクを掘り下げてみました：

http://msdn.microsoft.com/en-us/library/dd233209.aspx http://lorgonblog.wordpress.com/2009/10/25/overview-of-type-in​​ference-in-f/

しかし、私は何も役に立たなかった...

あなたが与えることができるあらゆる種類の答えを前もってありがとう:)

ガウス ベイジアン ネットワーク (確率変数の連続性に対応し、ガウス分布に従うベイジアン ネットワーク) の部分アブダクティブ推論に関連する問題が発生しています...

私の質問は次のとおりです。

1. ガウス ベイジアン ネットワークの場合、ジャンクション ツリー伝搬のようなアルゴリズムは離散変数ベイジアン ネットワークにそのまま適用できますか?
2. 「いいえ」の場合、ガウス ベイジアン ネットワークの場合、どのアルゴリズムを適用できますか?
3. ガウスベイジアンネットワークの場合、部分アブダクティブ推論の複雑さの証明はありますか (離散変数ベイジアンネットワークの場合、タスクが NP 困難であることが知られているため)?
4. 進化的アルゴリズムまたは MCMC サンプリング基準は、ガウス ベイジアン ネットワークの近似部分アブダクティブ推論に適用できますか?

この点で親切に私を助けてくれれば、私はあなたに非常に感謝します. 前もって感謝します...

私はファイル拡張子に対して nmake 推論規則をうまく使用していますが、ファイル接頭辞を追加するのはどうですか? 私はqtのことをやっているので、例えばファイルのリストが与えられます

MOCS=moc_file1.cpp moc_file2.cpp

moc.exe への入力として使用する .h ファイル名を取得し、.cpp ファイルを作成するための推論規則を見つけたいと考えています。

このOracle Java チュートリアルから:

WildcardError の例では、コンパイル時にキャプチャ エラーが発生します。

このエラー デモンストレーションの後、ヘルパー メソッドを使用して問題を修正します。

iまず、リストの入力パラメーター ( ) は次のように見なされると彼らは言いますObject。

この例では、コンパイラはi入力パラメーターを Object 型として処理します。

では、なぜ をi.get(0)返さないのObjectですか? すでに渡されている場合は？

さらに、 when を使用するポイントは何ですか。<?>次に、 を使用してヘルパー メソッドを使用する必要があります<T>。T推測できるものを直接使用したほうがよいのではないでしょうか?

Mahout LDA CVB プログラム/オフライン バッチ実行からのトピック モデルが与えられた場合、モデル/オンライン Web サービス呼び出しを使用して新しいドキュメントを推測するのが好きです。

これらのドキュメントは、新規作成や推論にはあまり役に立ちません。* https://builds.apache.org/job/Mahout-Quality/javadoc/org/apache/mahout/clustering/lda/cvb/TopicModel.html * http://svn.apache.org/viewvc/mahout/trunk /core/src/main/java/org/apache/mahout/clustering/lda/cvb/TopicModel.java?view=マークアップ

インターネットやどこかでサンプル コードを見つけることさえできませんでした。

ここで、Javaコードでやりたいと思ったのですが、

TopicModel model = new TopicModel();

Vector documentInTermFrequency = new RandomAccessSparseVector(); documentInTermFrequence.setQuick(termIdX, 10); documentInTermFrequence.setQuick(termIdY, 20);

Vector docTopic = new DenseVector(new Double[10] { 0.1, 0.1, ..., 0.1 }); // 0.1 probabilities

Vector documentTopicInference = model.infer(documentInTermFrequence, docTopic);

このようなことを試みた人を見たことがありませんか？誰もこのようなことを試したことがありますか?

どんな提案や指針も高く評価されます。

簡単かつ迅速な疑い。私のARFFが次のようになっているとしましょう：

5 つの属性 (class 属性なしの 4 つ)。インスタンスを作成して分類する場合、属性クラスの値を導入する必要がありますか? お気に入り "？" または「-1」またはこのようなもの。それは何かを変えますか？例：

そして機能：

パブリック インスタンス featureVectorToInstances(ArrayList featureVector){

}

public String classifyInstanceToString(Instance unlabeled) throws Exception{

}

前もって感謝します

回答/推論エンジンがどのように機能するか、その背後にあるコードについてもっと学ぼうとしています。

このトピックに関する有名な、またはよくできたアルゴリズム、優れた本、または論文はありますか?

Google Now (回答ではなく予測の部分)、Siri、Wolfram などのシステムはどのように機能しますか。アルファワーク？

彼らが自然言語処理と機械学習を使用していることは知っていますが、知識/事実の収集に基づいて質問にどのように答えるのですか?