Jul, 2016

Cantor meets Scott: 概率网络的语义基础

PDF
TL;DR本文提出了一个新的应用领域理论的 ProbNetKAT 语义的特征，进而实现了 ProbNetKAT 的实际问题解决。我们使用该语义来描述各种概率问题，例如在网络中关于路由方案的期望拥塞和关于网络连通性的概率推理，并开发出原型实现。
probnetkatmarkov kernelsdomain theoryimplementationprobabilistic reasoning
发现论文，激发创造
  • 概率编程的语义学：高阶函数，连续分布和软约束

    本文研究表达丰富的概率编程语言（如 Anglican，Church 和 Venture），分析它们的语义基础，运用测度论、随机标记转移系统和函子范畴，定义操作语义和标称语义，并证明其存在性、充分性、终止性，采用其来验证编译器优化和推理算法的正确性，研究了高阶函数上概率分布的性质。

    Jan, 2016

  • Kappa 演算与概率推理之间的关系

    该论文研究了 kappa 演算和诊断应用中的概率推理之间的联系，通过将概率信念网络抽象成 kappa 网络，比较两种方法计算的故障排序，表明，在考虑原始概率网络中的所有因果关系时，至少对于所研究的例子，故障排列是相同的。

    Feb, 2013

  • 高阶贝叶斯推断的指称验证

    我们提出一个模块化的语义计算方法，用于概率编程语言中的贝叶斯推断算法，并使用高阶函数和归纳类型等方式操纵概率程序的中间表示，定义了语义结构类及其转换的词义准则，并使用 Kock's 综合测度理论证明了一个准 Borel 同源定理。

    Nov, 2017

  • 通用概率编程的 Lambda 演算基础

    本文通过在 terms 上创建一个 measure space，定义级别逐步逼近的连续 lambda-Calculus 的典型操作语义，并定义采样基异质的语义来实现 MCMC 的 Tracing，并证明了分布语义与集成所有 Traces 的分布具有等价性，这是第一个针对高阶函数语言 Trace MCMC 的验证正确性的证明。

    Dec, 2015

  • 数据 Petri 网与概率编程（扩展版）

    概率编程是一种允许编写统计模型、通过运行这些模型进行模拟，并利用强大的推理引擎分析和改进它们的统计行为的编程范式。本文介绍了将数据 Petri 网（DPNs）系统地转化为使用大多数概率编程系统支持的概率编程语言模型的方法。我们证明了我们的转化方法是可靠的，并可以提供模拟 DPNs 的统计保证。此外，我们讨论了概率编程在过程挖掘任务中的应用，并报告了我们的转化方法的原型实现。我们还讨论了基于所提出的转化方法和现有的概率编程工具可以轻松实现的进一步分析场景。

    Jun, 2024

  • 可计算概率电路的多项式语义

    概率电路、多线性多项式、边缘推断、多项式语义和二元分布是该研究论文的五个关键词，论文证明了对于二元分布来说，这些概率电路模型在一定意义上等价，而且研究了一个称为概率生成电路的多项式语义在分类随机变量上的自然扩展，结果证明边缘推断变得 #P 难。

    Feb, 2024

  • 基于概率逻辑的常识表征框架：用于建模具有多个前提和变化可能性的推理

    本论文研究如何更好地表示常识知识，提出了一种概率逻辑表示方案和一种层次化概念本体论，能够更灵活地表示信念，并在神经符号应用中使用。通过专家注释和群众众包，将这个框架扩展到 PrimeNet 知识库，并展示其在更易解释的语义解析和问题回答中的应用。

    Nov, 2022

  • NSNet: 一个通用的神经概率框架用于可满足性问题

    介绍了一种名为 NSNet 的神经网络模型，通过使用一种新型的图神经网络 (GNN) 在潜在空间中对 BP 进行参数化，可以灵活配置以解决 SAT 和 #SAT 问题。

    Nov, 2022

  • KagNet: 基于知识的图网络用于常识推理

    该研究提出了一种基于知识图谱的语义推理框架，以解决常识性问题，并通过引入 KagNet 模型和 ConceptNet 外部资源，取得了在常识 QA 数据集上的最佳表现。

    Sep, 2019

  • 运行概率程序的反向计算

    本篇研究论文提出一种牵涉到概率的编程语言，基于测度理论建立抽象语义学，实现贝叶斯推断、随机射线跟踪、以及浮点误差边界的概率验证

    Dec, 2014