Sep, 2016

逻辑归纳

PDF
TL;DR本文介绍了一种适用于给定形式语言中的任何逻辑语句并随时间精细调整概率的可计算算法，并证明了其在学习预测逻辑陈述中真实和虚假的模式、使用恰当的统计摘要预测具有伪随机的真值序列、拥有关于自身的精确信念、且在极限情况下，其信念有着一种自洽性的优势。
logical inductorprobabilistic reasoningformal languageaccuracyself-reference
发现论文，激发创造
  • 逻辑非全知问题的形式化方法

    该研究提出了适用于可计算算法的逻辑归纳准则，该准则为每个给定形式语言中的逻辑语句分配概率并随时间逐步细化，并通过股票交易类比进行了概述。这一准则可以推导出一些有利的有界理性推理者的特性。

    Jul, 2017

  • 具有概率完整性约束的非基于地面的非完整推理逻辑编程

    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

  • 概率编程中逻辑推理的魔力

    本论文提出了一种基于分布句式的逻辑推理方法，并结合前向推理和重要性抽样技术，采用魔法集和后向推理技术来实现高效的概率推理。

    Jul, 2011

  • 归纳逻辑编程 30 年：新介绍

    介绍了归纳逻辑编程 (ILP) 的基本概念、学习模式、框架和几个主要系统 (Aleph，TILDE，ASPAL，和 Metagol)，并概括了应用、限制和研究方向。

    Aug, 2020

  • 概率定理证明

    该论文提出了一种将概率论和第一阶逻辑相结合的方法，在有限域内具有 Herbrand 解释的情况下，定义了概率证明定理及其推广问题，然后提出了能够同时拥有图模型推理和一阶定理证明的完整能力的方法，并开发了一种高效算法。实验表明，当逻辑结构存在时，该算法远优于目前已有的方法。

    Feb, 2012

  • 使用神经定理证明进行逻辑规则归纳和理论学习

    该论文提出了一种新的逻辑理论获取机制，结合神经符号学方法，使用前向推理不可微分规则感知网络从一组观察到的事实中学习提取一组逻辑规则和一小组核心事实，以推导其它事实，并在多个 ILP 规则归纳和领域理论学习数据集上展示了其有效性。

    Sep, 2018

  • 一个简单的逻辑推理和统计学习生成模型

    提出了一种基于贝叶斯模型可实现逻辑推理和统计学习的新方法，使得符号推理成为正向和反向过程的结果，并对学习和推理的研究提供了新的视角。

    May, 2023

  • 时间感知归纳逻辑推理

    本文研究了非知识图谱领域中的归纳逻辑推理问题，提出了基于超图的多起点随机 B-walk 方法和路径一致性算法相结合的后向链式归纳逻辑规则学习方法。

    Jun, 2022

  • 一阶逻辑隐式学习推理

    本文通过利用语言中常量的对称性，将隐式可学习性推广，提出了一种在第一阶逻辑中进行强健学习的新理论方法。

    Jun, 2019

  • 使用加权布尔公式的概率逻辑程序推理和学习

    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