AAAISep, 2016

半环编程：广义求和乘积问题的声明性框架

PDF
TL;DR为了解决难题，人工智能依赖于逻辑、概率推理、机器学习和数学规划等学科，而现代表示方法很少为此提供支持。作者介绍了一种新的声明性编程框架，提供了著名问题的抽象，如 SAT，Bayesian 推理，生成模型和凸优化，并使用带有半环标签的一阶结构定义了程序的语义，从而允许自由组合和集成来自不同 AI 学科的问题。
发现论文，激发创造
  • 概率与神经符号逻辑编程的半环

    概率逻辑编程领域集中在将概率模型整合到基于逻辑的编程语言中。我们提供了一个统一的代数逻辑编程视角，表明大部分概率逻辑编程的扩展都可以在一个共同的代数逻辑编程框架中加以表述，其中事实用半环的元素标记，而析取和合取用加法和乘法替代。这不仅适用于概率逻辑编程的变体本身，还适用于基于（代数）模型计数的底层执行机制。

    Feb, 2024

  • 和积定理：可学习可计算模型的基础

    文章介绍了将 sum-product networks 扩展到更广泛的学习问题并确保可解，同时应用于结构化预测问题上取得了很好的效果，实验表明模型学习的可行性和广泛性。

    Nov, 2016

  • 命题框架中优化的抽象视角

    提出了一种名为权重系统的统一框架，该框架消除了自动推理和知识表示中的语法差异，并解释了不同范例所提供的优化语句之间的异同，从而方便了翻译程序的开发和证明了不同框架的形式属性。

    Jun, 2022

  • 非布尔形式主义优化统一框架

    该论文提出了一种名为扩展权重系统的统一框架，可消除不同自动推理语言之间的句法区别，并研究了所提出系统的形式属性，即可在该框架内捕获的范例的形式属性。

    Jun, 2022

  • 更加表意与抽象的逻辑程序的配置

    本篇论文重点针对模型导向人工智能的方法及其应用中 SAT 和 ASP 这两个系统的输入形式进行分析，特别是通过将输入形式重新制定和配置，优化推理过程。经过广泛领域内数据的实验证明，使用这种方法可以获得不同的优势。

    Mar, 2022

  • 轻量级描述逻辑的半环来源

    我们研究了半环溯源，它是一个最初在关系数据库环境中定义的成功框架，用于描述逻辑。我们定义了一种在包含多个轻量级描述逻辑的语言上的溯源语义，并展示了它与具有特定类型注释的本体所定义的语义的关系。我们重点关注了众所周知的 why 溯源，对于每个可加且可乘幂等的交换半环，计算了半环溯源，并研究了与公理或连词查询答案溯源相关的问题的复杂性。最后，我们考虑了两种更加限制的情况，它们对应于数据库环境中的正 Boolean 溯源和谱系。对于这些情况，我们展示了与描述逻辑解释相关的众所周知概念的关系，并完成了复杂性分析。此外，我们还提供了 ELHI_bot 本体的一些条件以保证具有可处理的推理。

    Oct, 2023

  • 学习推理程序草图

    本文介绍一种用于程序自动合成的方法，通过结合模式识别和显式推理来解决这些复杂的编程问题，同时使用新颖的中间表示和训练算法，使程序合成系统能够自学，从而在简单的英文描述编程问题数据集上取得了最先进的性能表现。

    Feb, 2019

  • 可执行的 AI 语义

    本研究致力于为神经网络框架（如 TensorFlow）提供正确性规范，通过逻辑编程语言 Prolog 将几乎所有 TensorFlow 层的语义进行了说明，并演示了两种应用程序。

    Feb, 2022

  • 最近半正定规划可扩展性的调查及其在机器学习、控制和机器人领域的应用

    本文介绍了解决半定规划在机器学习、控制和机器人领域中可扩展性问题的最近方法，包括利用问题结构（如稀疏性和对称性）、生成低秩近似解决方案、更可扩展算法、以及将可扩展性与保守性相妥协的方法，并提供相应文献入口和实例，最后列出了实现本文所讨论的方法的软件包清单。

    Aug, 2019

  • SQL 查询语义等价判定的公理基础和算法

    本文提出了一种新的形式主义和基于 U-semiring 的实现，扩展了 SQL 的半环语义，并利用 U-semiring 对 SQL 查询的等价性进行推理，该方法能够应对不同的完整约束和集合；我们还对 39 个查询重写规则进行了正式验证。

    Feb, 2018