Apr, 2020

条件概率逻辑，提升贝叶斯网络和几乎肯定量词消除

PDF
TL;DR介绍了一种形式逻辑语言，叫做条件概率逻辑（CPL），用于扩展一阶逻辑，表示概率、条件概率并进行条件概率比较。结合机器学习，数据挖掘和人工智能等领域，考虑了一种精确表述提升贝叶斯网络定义的方法，并证明一个非关键条件 CPL 公式存在一个几乎等价的非量化公式。该结果对于对于大学域上的概率推理问题，具有重要意义。
conditional probability logiclifted bayesian networkprobabilistic inferencequantifier-free formulaconvergence law
发现论文，激发创造
  • CLP (BN)：用于概率知识的约束逻辑编程

    通过约束逻辑编程的框架，提出了一种新方法 CLP (BN)，用于表达贝叶斯网络，该方法使用唯一的新符号 Skolem 函数表示具有未知值的对象，与 PRMs 和概率逻辑程序相关。

    Oct, 2012

  • 混合概率逻辑编程：推理和学习

    本文研究了概率逻辑编程，扩展了支持离散和连续随机变量，并引入了新的采样算法和混合模型，解决了从带有缺失值和概率背景知识的关系数据中学习 PLP 的问题。

    Feb, 2023

  • CP-logic：因果概率事件语言及其与逻辑规划的关系

    本文介绍了一种逻辑语言，用于表示概率因果律，该语言可以被用于概率逻辑编程，并且可以自我解释为概率因果律的表示方法，从而提供了解释这些编程背后想法的新方法。

    Apr, 2009

  • 概率逻辑编程的渐近分析及其在表示正射系列分布中的应用

    探讨了概率逻辑编程在统计关系人工智能中的具体应用及其在不同领域中的变化，解释了基于概率逻辑编程的统计关系表示随着变量域大小的复杂行为，揭示出抽象分布语义的必要性并给出了相应的具体证明。

    Feb, 2021

  • 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

  • 离散 - 连续领域中的声明性概率逻辑编程

    研究发现，虽然有已有的可扩展离散随机变量的分布语义和 PLP 语言及标准推理引擎，但是对于混合离散和连续随机变量的声明性语义还不够普及，因此本文提出了混合分布语义和混合 PLP 语言 DC-ProbLog 及其基于知识编译的推理引擎 infinitesimal algebraic likelihood weighting (IALW)，这是第一个基于知识编译的混合概率编程推理算法。

    Feb, 2023

  • 概率逻辑编程的升级变量消除

    本文提出 LP$^2$ 算法来解决概率逻辑编程中的查询问题。LP$^2$ 是通过将 Generalized Counting First Order Variable Elimination (GC-FOVE) 转换为 Prolog Factor Language (PFL) 实现的，并增加了两个新的操作符来处理异构因子。结果表明该方法有潜力超过 PITA 和 ProbLog2。

    May, 2014

  • 加权 CNF 在概率逻辑编程中的推断

    本文旨在开发高效的推理算法，将概率逻辑程序和查询、证据转换为加权 CNF 公式，将推理任务视为加权模型计数，使用最先进的方法探究多种程序转换和加权 CNF 推理方法，并在实验中展示了新方法相对于现有技术的优势。

    Feb, 2012

  • 逻辑归纳

    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。

    Sep, 2016

  • 量化的布尔贝叶斯网络：逻辑图模型的理论与实验

    本文介绍 Quantified Boolean Bayesian Network (QBBN)，提供了逻辑和概率推理的统一视角，通过创建具有逻辑推理基础的无界布尔变量的贝叶斯网络，以解决信息检索中大型语言模型（LLM）产生幻觉的问题，并且研究了推断方法中的 LBP 的使用和收敛性。

    Feb, 2024