MMDec, 2008

带有答案集的概率推理

PDF
TL;DR本文提出了一个基于 Answer Set Prolog 作为逻辑基础、以因果贝叶斯网络为概率基础的声明式语言 P-log，用于知识表示和知识更新，并给出了多个例子表明更新方法更加优越。同时，论文给出了实现 P-log 程序的充分条件，并证明了 Bayes nets 的易于映射到符合条件的 P-log 程序上。
p-loglogicalprobabilisticknowledge representationbayes nets
发现论文，激发创造
  • 关于实现概率逻辑编程语言 ProbLog 的论文

    该研究介绍了 ProbLog 的概念以及相关算法，针对大型生物网络提出了一种有效执行查询的方式。

    Jun, 2010

  • 理解 ProbLog 作为概率论证

    该研究探讨了 ProbLog 与概率推理相结合的一种形式，即概率抽象论证，表明 ProbLog 是概率抽象论证的一种实例，从而为 ProbLog 提供了替代语义和新的论证语义，同时为 ProbLog 的输出提供了新的形式的论证解释。

    Aug, 2023

  • 概率逻辑推理

    本研究采用分布语义模型为基础，提出了描述逻辑的概率语义，设计了 TRILL P 系统，实现了对具有概率知识库的查询的概率计算和推理学习算法。

    May, 2014

  • 概率逻辑编程中的 “What if?

    本文扩展了 ProbLog 语言，增加了 “What if” 查询的功能，并提出了一种能够处理 ProbLog 程序的反事实查询的方法，同时提供了完整的实现以及对查询可扩展性的影响的洞见，并显示了该方法与具有析取注释的逻辑程序的因果语义一致。

    May, 2023

  • smProbLog: ProbLog 中的稳定模型语义用于概率论论证

    本文提出了一种将概率论争框架解释为概率逻辑程序的方法，并引入了 smProbLog 框架，它支持多种推断和学习任务，提供了新的概率论争工具，并证明了算法的计算成本。

    Apr, 2023

  • 一阶概率推理的对数线性模型

    该论文探讨了在概率约束逻辑编程中对数线性模型的研究，并将其应用到一阶概率推理中，介绍了基于标记和未标记的确定性子句确定证明概率的随机逻辑程序概率定义，通过归一化证明概率中原子公式本身的概率，扩展了相关理论，同时通过归纳逻辑编程从数据中归纳出对数线性模型的特征，最后用其他方法对其进行比较。

    Jan, 2013

  • 深度概率逻辑编程中的神经概率逻辑编程

    DeepProbLog 是一种神经概率逻辑编程语言，通过神经谓词结合深度学习。它支持符号和子符号表示和推断、程序归纳、概率编程和深度学习，并结合了通用神经网络和表达式概率逻辑建模和推理。

    Jul, 2019

  • 因果层级上的概率推理

    本研究将 3 层因果关系层次结构分为概率逻辑语言模型，第一层表达定量概率推断，第二层编码用于因果效应的 do-calculus 推理，第三层捕捉任意反事实查询。相关的公理化表达完全考虑了因果模型和概率编程，并证明了每种语言的可满足性和有效性都可以在多项式空间内可判定。

    Jan, 2020

  • 概率逻辑程序的语义和复杂度

    本文研究基于 Sato 分布语义的概率逻辑程序，分析了基于稳定和基于良基模型这两种语义，探讨了 credal 语义产生的概率模型集合是无限单调 Choquet 容量的结果产生的几个有用的结果，并研究了其推理和查询的复杂度。作者对此进行了详细说明，并对无环、分层、周期性的命题和关系程序，提出了推理和查询复杂度的结果，该复杂度达到各种计数层次和指数级别。

    Jan, 2017

  • NLProlog: 自然语言问答中基于弱一致性的推理

    本文提出一种将神经网络与逻辑编程相结合的方法，用于解决自然语言处理的多跳推理问题，通过底层表示层面上的结合，使得具有逻辑规则的解释型结果可以应用于自然语言处理领域，同时在两个不同的问题回答任务上达到了竞争水平。

    Jun, 2019