一阶逻辑隐式学习推理

MMJun, 2019

Implicitly Learning to Reason in First-Order Logic

Vaishak Belle, Brendan Juba

TL;DR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。

Abstract

We consider the problem of answering queries about formulas of first-order logic based on background knowledge partially represented explicitly as other formulas, and partially represented as examples independently drawn from a fixed probability distribution. pac semantics, introduced

pac semantics first-order logic machine learning robust learning implicit learnability

发现论文，激发创造

多智体信仰的 PAC 语义学习性

此文介绍了使用多智能体认知逻辑演示 PAC 学习的技术基础，涉及逻辑和弱推理，以提供强大的模型理论框架来回答查询，并研究了该算法的正确性、样本复杂性以及其能够高效的情况，利用表述定理将模态推理纳入命题推理中。

Jun, 2023

基于查询的 PAC 学习推理

本研究探讨了利用支持证明查询的数据集来学习规则的问题，通过修改足够不考虑知识库内容的后向证明搜索算法，可以同时学习这些规则，并使用它们进行证明搜索来给出像链接和解析这样的标准逻辑的算法。

Jun, 2019

线性算术中带噪声数据的隐式学习

本文探讨了如何在 PAC 语义下通过隐式学习的方法处理具有噪声数据的线性算术语言中的阈值不确定性，证明了该框架具有多项式时间复杂度保证，并通过实验结果表明该方法优于显式方法来学习线性规划目标约束。

Oct, 2020

统计关系学习和神经符号人工智能：一阶逻辑提供了什么？

本文旨在以非技术的方式简要概述并表达使用（一阶）逻辑来表示（概率）知识的逻辑和哲学基础。

Jun, 2023

一个有限置信一阶逻辑推理系统

本文提出了一种高度可表达的有限置信逻辑，可以进行可计算的推理，在一阶逻辑上保持可判定性，在命题逻辑上保持可操作性，并引入一种采用此逻辑作为表示语言的推理系统，该系统展示了有限置信的好处。

May, 2017

知识图谱上存在性一阶查询的推理

这篇论文通过系统检视问题之前的范围并提出一个新的数据集，讨论了同时出现的新挑战，并提出了一种模糊逻辑理论的新搜索算法，以解决新的公式并在现有公式中胜过以前的方法。

Apr, 2023

基于 SAT 的描述逻辑概念的 PAC 学习

提出有界拟合作为一种模式学习的方案，该方案可以在本体存在的情况下学习描述逻辑概念，并且称之为 PAC 学习的通用性具有理论保证。同时，我们提供了一种名为 SPELL 的系统，其基于 SAT 求解器高效实施了有界拟合，并将其表现与最先进的学习者进行了比较。

May, 2023

Peano: 学习形式化数学推理

本研究探讨在数学中的程序抽象结构，定案例研究并且说明通过 Peano 定理证明环境和可重用抽象的能力，加上恰当的教学大纲，是保障自动化数学推理的长期文化传播的有效方法。

Nov, 2022

本体概念的计量和聚合

该论文描述了一种扩展一阶逻辑的方法，使方案更加容易修改，并引入了一个保护机制来保证公式的正确性，同时将该方案应用于四个不同问题领域的知识表示中。

Feb, 2022

有限置信推理的复杂性 - 无量词情况

本文研究在信念水平下进行推理的计算复杂性，并进行了参数化复杂性理论的进一步细化，探究信念水平和非逻辑符号数量对复杂性的影响。

May, 2018