基于启发式正向搜索和加权模型计数的概率规划
基于前向状态空间搜索的启发式搜索算法是实现 FF 规划系统的主要技巧,该系统因比 HSP 系统更具优越性能而赢得了最近 AIPS-2000 规划竞赛的冠军。
Jun, 2011
本文提出了精确算法和近似算法,以及相应的公式分解和条件概率以及基于模型计数的概率推断方法,并展示了其在实验中的实际有效性,特别是相比于最先进方案,本文提出的算法可以利用公式结构信息大大提高效率。
Mar, 2012
本篇论文旨在将启发式搜索算法应用于多目标随机最短路径 (MOSSPs) 问题,提出了基于相对快速的 MOLAO* 和 MOLRTDP 两种算法,以及一系列能够应对随机、多目标特点的启发式函数,通过实验证明了新算法及函数的有效性。
Mar, 2023
本研究介绍了一种利用启发式算法解决定理证明和计划制定问题的方法,并将其应用于 situation calculus 中。该方法通过使用 A * 搜索算法排列一系列情境,并利用删除松弛法控制启发式规划器,获得较短的计划方案,并探索较少的状态。实验表明,该方法可以应用于较大规模的问题。
Mar, 2023
研究了基于信念空间规划的在线决策问题,在信息收集等场景下,介绍了一种自适应的方法来寻求最大可行回报,应用这种方法可以在保证准确率的前提下显著加速在线决策过程,并进行了大量现实模拟来验证此方法的优越性。
Feb, 2023
该研究介绍了一种从黑盒语言模型中提取概率确定有限自动机(PDFA)的算法,并在应用于循环神经网络(RNN)时,通常比从同一网络中提取加权有限自动机(WFA)的谱提取法实现更好的单词错误率(WER)和标准化分布累计收益(NDCG)。
Oct, 2019
本文开发了一种新的迭代深度优先搜索算法,专为 Fully Observable Non-Deterministic (FOND) planning 设计,在解决 FOND planning 任务和生成强周期策略方面表现出鲁棒性和效率。
Apr, 2022
本文提出了使用两种 SAT 编码的噪声 OR 和两种编码的噪声 MAX 的技术,以提高 Bayesian 网络的精确推理。经过实验评估,我们的技术在具有噪声 OR/MAX 关系的网络中获得了最佳效果。
Jan, 2014
用加权模型整合(WMI)为基础,提出了一个统一的 AI 系统的概率形式验证(PFV)框架,它可以处理各种机器学习模型的不同性质验证,如公平性、鲁棒性或单调性,避免了强分布假设,并讨论了与该框架相关的可扩展性挑战和研究方向。
Feb, 2024
本文旨在开发高效的推理算法,将概率逻辑程序和查询、证据转换为加权 CNF 公式,将推理任务视为加权模型计数,使用最先进的方法探究多种程序转换和加权 CNF 推理方法,并在实验中展示了新方法相对于现有技术的优势。
Feb, 2012