Apr, 2019

通过概率动作语言pBC+的决策论扩展，实现对马尔可夫决策过程的扩展容错性表示

HTML
PDF
TL;DR该研究将概率行动语言pBC+扩展为，在决策理论中引入效用的概念；pBC+的语义可以定义为概率答案集编程语言LPMLN的决策论扩展的速记符号；也可以用马尔科夫决策过程（MDP）的术语来定义pBC+的语义，从而以简洁且容易理解的方式表示MDP，并利用MDP求解器计算pBC+。因此，可以设计系统pbcplus2mdp，使用MDP求解器查找pBC+操作描述的最优策略。
发现论文，激发创造
  • 带有答案集的概率推理

    本文提出了一个基于Answer Set Prolog作为逻辑基础、以因果贝叶斯网络为概率基础的声明式语言P-log，用于知识表示和知识更新，并给出了多个例子表明更新方法更加优越。同时，论文给出了实现P-log程序的充分条件，并证明了Bayes nets的易于映射到符合条件的P-log程序上。

    Dec, 2008

  • 非单调因果理论中的行动概率推理

    该研究提出了一种关于动作的概率推理语言{m P}{cal C}+，是动作语言{cal C}+的一种推广形式，能够处理行为的概率和不确定性影响，并利用历史和信念状态的概念，简明地阐述了该形式主要研究内容。

    Oct, 2012

  • 使用宏操作的马尔可夫决策过程的层次解决方案

    本文提出了一种使用抽象MDP的分层模型，该模型仅与Macro-actions一起工作，并显着减少了状态空间的大小，以及讨论了生成Macro-actions的几种方法和重用它们以解决多个相关MDPs的方式。

    Jan, 2013

  • 概率编程推断的新方法

    介绍和证明了一个基于粒子马尔可夫蒙特卡罗的新的推理方法。该方法适用于图灵完备的概率编程语言，支持使用复杂控制流（包括随机递归）的模型的准确推理，并包括来自贝叶斯非参数统计的基元。实验证明，该方法比之前介绍的单一站点Metropolis-Hastings方法更有效。

    Jul, 2015

  • 一种基于概率的BC+动作语言扩展

    本文提出了行动语言BC+的概率扩展，即pBC+，它是LPMLN程序的高级符号表示法。我们展示了如何在pBC+中建模概率推理，如预测、后推和规划问题，以及动态领域的概率诊断，并使用LPMLN实现计算。

    May, 2018

  • 概率编程简介

    本书介绍了概率编程的基础和技术，主要包括概率编程语言的设计和构建、基础推理算法和高阶概率编程语言、概率编程与可微分编程的交叉应用，尤其是深度概率编程系统的设计与语言特性对其的影响。

    Sep, 2018

  • 使用概率编程语言Birch进行自动化学习

    本文介绍了基于概率编程中的最新进展，以广阔的概率建模和推断为视角，探讨了概率编程语言如何自动匹配模型和推断方法，强调了模型的结构和形式对这种匹配的至关重要性，并通过Birch进行实例演示。

    Oct, 2018

  • 通过概率动作语言桥接常识推理和概率规划

    本研究介绍了一个统一框架来集成先前的 commonsense reasoning and probabilistic planning（icorpp）框架的推理和计划组件，并扩展了概率动作语言 pBC+ 以表达常识知识，避免手动努力。

    Jul, 2019

  • plingo: 一种基于lpmln的Clingo概率推理系统

    Plingo是基于ASP的LP^MLN的概率扩展，并可以映射到优化问题，提供了三种使用不同输入语言和推理模式的前端。通过基于新的方法的近似技术，将LP^MLN重新实现为现代ASP技术的核心。我们通过与其他概率系统进行比较，从经验上评估Plingo的性能。

    Jun, 2022

  • 连续时间MDP的Omega正则规范的强化学习

    探究离散时间Markov决策过程的自动翻译问题，提出了一种能够实现正确翻译为标量奖励信号的算法。该算法适用于omega正则语言对时态较为严格的情况，并使用了最新的基于转义的自动翻译技术。

    Mar, 2023