随机逻辑程序: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
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
研究了逻辑程序中稳定模型的最大数量问题,得到了所有逻辑程序及分离逻辑程序的最大值,且提出了一种可在 O (3^{n/3}) 的最坏情况下找到 n 个子句程序的所有稳定模型的算法。
Jan, 1999
本文提出使用基于规则的特征(也称为规则集成)的广义线性模型,用于回归和概率分类,通过列生成算法,优化规则集合的复杂度和预测准确性的平衡。在逻辑回归和线性回归的实验中,与现有的规则集成算法相比,所提出的方法可以获得更好的准确性 - 复杂度平衡,一端可以与少量簇比较。
Jun, 2019
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
本文提出了两种方法来定义任意类型抽像限制原子(c-atoms)的逻辑程序的答案集,这些定义泛化了正常逻辑程序的修正点和级别映射基础的答案集语义,其中包括四种不同的答案集定义,这四种在应用于正常逻辑程序时是相等的。
Oct, 2011
通过干预模拟程序的概念分析条件推理,我们将其扩展到概率仿真模型的情况,定义了条件语言中的概率并证明了其基本结果。同时,我们在该设置中发现了关于概率的线性不等式推理的公理化方法。我们证明了该逻辑的可满足性问题的正确性、完备性和 NP - 完全性。
Jul, 2018
该研究论文探讨了如何通过增加短的随机奇偶约束来计算公式满足的真实赋值(模型),实现 NP 问题的计数,尤其是当需要添加多个约束时,随机奇偶约束的集合解的几何结构类似于纠错编码,得到了严格的数学保证。
Jul, 2017