[发明专利]因果凸显性时间推断

权利要求书

1.一种用于因果学习的方法，包括：

用装置观察一个或多个事件，其中所述事件被定义为特定相对时间处的发生；

基于一个或多个准则来选择所述事件的子集；以及

基于所选子集来确定所述事件中的至少一个事件的逻辑原因。

2.如权利要求1所述的方法，其特征在于，所述准则包括因果凸显性，所述因果凸显性被定义为一个事件从其他事件中脱颖而出的程度。

3.如权利要求2所述的方法，其特征在于，不可预测事件发生得越频繁，所述不可预测事件就是越加因果凸显的。

4.如权利要求1所述的方法，其特征在于，所述准则包括重现、独特性、或时间邻近性中的至少一者。

5.如权利要求1所述的方法，其特征在于，所述选择包括认为所述事件中提供关于所述事件中的另一事件的在统计上显著的信息的最早事件是最重要的事件。

6.如权利要求5所述的方法，其特征在于，进一步包括将所述最重要的事件存储在存储器中。

7.如权利要求1所述的方法，其特征在于，所述观察包括：

周期性地对系统进行采样以生成离散点集；以及

将所述离散点集转换成事件。

8.如权利要求1所述的方法，其特征在于，所述方法实现在能够进行推断学习的人工神经系统中。

9.如权利要求1所述的方法，其特征在于，进一步包括若观察到新事件则重复所述选择和所述确定。

10.如权利要求1所述的方法，其特征在于，进一步包括基于所述逻辑原因来预测一个或多个后续事件。

11.一种用于因果学习的装置，包括：

处理系统，配置成：

观察一个或多个事件，所述事件被定义为特定相对时间处的发生；

基于一个或多个准则来选择所述事件的子集；以及

基于所选子集来确定所述事件中的至少一个事件的逻辑原因；以及耦合至所述处理系统的存储器。

12.如权利要求11所述的装置，其特征在于，所述准则包括因果凸显性，所述因果凸显性被定义为一个事件从其他事件中脱颖而出的程度。

13.如权利要求12所述的装置，其特征在于，不可预测事件发生得越频繁，所述不可预测事件就是越加因果凸显的。

14.如权利要求11所述的装置，其特征在于，所述准则包括重现、独特性、或时间邻近性中的至少一者。

15.如权利要求11所述的装置，其特征在于，所述处理系统被配置成通过认为所述事件中提供关于所述事件中的另一事件的在统计上显著的信息的最早事件是最重要的事件来选择所述事件子集。

16.如权利要求15所述的装置，其特征在于，所述最重要的事件被存储在所述存储器中。

17.如权利要求11所述的装置，其特征在于，所述处理系统被配置成通过以下操作来观察所述一个或多个事件：

周期性地对系统进行采样以生成离散点集；以及

将所述离散点集转换成事件。

18.如权利要求11所述的装置，其特征在于，所述装置是能够进行推断学习的人工神经系统的一部分。

19.如权利要求11所述的装置，其特征在于，所述处理系统进一步配置成若观察到新事件则重复所述选择和所述确定。

20.如权利要求11所述的装置，其特征在于，所述处理系统进一步配置成基于所述逻辑原因来预测一个或多个后续事件。

21.一种用于因果学习的设备，包括：

用于观察一个或多个事件的装置，所述事件被定义为特定相对时间处的发生；

用于基于一个或多个准则来选择所述事件的子集的装置；以及

用于基于所选子集来确定所述事件中的至少一个事件的逻辑原因的装置。

22.一种用于因果学习的计算机程序产品，包括具有代码的非瞬态计算机可读介质，所述代码用于：

观察一个或多个事件，所述事件被定义为特定相对时间处的发生；

基于一个或多个准则来选择所述事件的子集；以及

基于所选子集来确定所述事件中的至少一个事件的逻辑原因。