MMJul, 2010

使用答案集规划检测大型生物网络的不一致性

PDF
TL;DR使用 ASP 在大型生物网络中检测不一致性，基于高通量细胞活动的生化 / 遗传反应的一致性，检查大规模数据集的一致性并确定冲突的最小表示，可用于识别不可靠数据或指示缺失反应。
answer set programmingbiological networkscell activityinconsistenciesreliable data
发现论文，激发创造
  • 验证答案集编程的工具和方法

    该研究的目标是扩展支持 ASP 程序验证的工具和理论，旨在促进知识表示和推理的发展，并解决人工智能中的可靠性和可解释性问题。

    Aug, 2022

  • 使用答案集规划从生物动力学约束合成布尔网络

    该论文讨论了如何从有关域的限制和结果网络的动态属性中合成布尔函数。使用答案集编程来解决合成问题，然后对其解集进行非冗余特征描述。该方法的可扩展性通过随机网络的案例研究得到了展示，最多可达 100 到 1,000 节点，具备处理细胞分化过程细胞学建模的优势。

    Sep, 2019

  • NeurASP：将神经网络融入 Answer Set Programming

    NeurASP 是一种简单的扩展答案集程序的方法，它综合了神经网络的子符号计算和符号计算。它可以利用预训练的神经网络进行符号计算并通过应用答案集程序中的符号推理来提高神经网络的感知结果。此外，通过使用 ASP 规则训练神经网络，它还可以从规则表达的复杂语义约束中学习，以便神经网络不仅可以从数据的隐式相关性中学习，还可以从规则表达的显式约束中学习。

    Jul, 2023

  • SAT-Based 和 ASP-Based 算法在不一致性度量中的比较

    本文研究了基于 SAT 求解和 ASP 的算法，用于解决确定命题知识库不一致度的问题，并考虑到六种不一致度测量标准。在广泛的实验分析中，我们将基于 SAT 和 ASP 的方法与一组基础算法进行比较，结果表明，在所有六种不一致度测量标准方面，提出的基于 ASP 的方法明显优于 SAT，并且已经执行了详细的实验来解释这些结果。

    Apr, 2023

  • 一种基于逻辑和神经网络的框架，用于研究神经系统疾病的进化

    该研究提出了一种结合机器学习和 Answer Set Programming 技术的新框架，以便于帮助医生和研究人员理解神经疾病的复杂机制，并在神经疾病演化模拟任务中发挥重要作用。

    Oct, 2019

  • 可解释的答案集编程

    人工智能的可解释性越来越受到关注，本研究试图填补 Answer-set Programming 中的解释支持的空白，并通过扩展语言支持和开发新的解释形式（如对比解释）来推进可解释 ASP 的研究。

    Aug, 2023

  • 一种多引擎的答案集编程方法

    本文提出了一种在现有 ASP 求解器基础之上通过应用机器学习方法，通过识别 ASP 程序的一组易于计算的句法特征，并对这些实例上的性能表现进行归纳学习算法选择策略，从而能够比第三届 ASP 竞赛的任何求解器都更有效地解决实例。

    Jun, 2013

  • 第七届答案集编程竞赛：设计与结果

    本文介绍了关于 Answer Set Programming 的比赛，并讨论了设计和结果。

    Apr, 2019

  • 答案集编程的成就

    本文介绍了一种应答集编程的方法论，该方法可以促进易于理解且可以证明正确的编码方案的设计。通过向正在形成的程序追加一个规则或一小组规则，并在其中包含一条陈述已经 “实现” 的注释，使我们能够以数学上精确的方式描述程序设计的细节。

    Aug, 2016

  • 基于启发式分解的答案集计算优化

    该研究提出了一种新的优化方法，基于树分解技术和启发式算法，可以将一个输入的逻辑程序转化为一个等价的程序以提高 ASP 系统的求解效率，并在实验中验证了其有效性。

    Dec, 2018