探讨了分布语义的适用范围和计算查询概率的有效性,提出了用于将概率程序转换为普通程序,并应用 SLG 分辨率和答案包含进行计算的算法 “基于表和答案包 计算的概率推理(PITA)” 来计算查询的概率。
Oct, 2011
本研究介绍了基于变量消除和重要性采样的精确和近似概率推理算法,并展示了如何使用 SLPs 股票机器学习的先验分布,包括逻辑程序和贝叶斯网结构。作者还应用 Metropolis-Hasting 算法,构建了一个从后验分布中采样的马尔科夫链,同时讨论了构建后验明确表示的可能性。
Jan, 2013
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
研究发现,虽然有已有的可扩展离散随机变量的分布语义和 PLP 语言及标准推理引擎,但是对于混合离散和连续随机变量的声明性语义还不够普及,因此本文提出了混合分布语义和混合 PLP 语言 DC-ProbLog 及其基于知识编译的推理引擎 infinitesimal algebraic likelihood weighting (IALW),这是第一个基于知识编译的混合概率编程推理算法。
Feb, 2023
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
本文研究了概率逻辑编程,扩展了支持离散和连续随机变量,并引入了新的采样算法和混合模型,解决了从带有缺失值和概率背景知识的关系数据中学习 PLP 的问题。
本文讨论了使用带有变量的概率性假设建模的丰富逻辑语言进行概率性逆推的问题,提出了一种证明过程,该过程的有效性得到了证明。
Aug, 2021
探讨了概率逻辑编程在统计关系人工智能中的具体应用及其在不同领域中的变化,解释了基于概率逻辑编程的统计关系表示随着变量域大小的复杂行为,揭示出抽象分布语义的必要性并给出了相应的具体证明。
Feb, 2021
本文研究了一种具有概率注释的逻辑程序,并探讨了如何通过将程序和查询转换为加权布尔公式的方式,实现计算边际值、学习参数估计等推理任务,并通过预期最大化算法实现参数估计,实验结果证明,该方法可以提高概率逻辑编程的状态水平,并从解释中学习到程序的参数。
Apr, 2013
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。