关于信念程序的验证
本文研究基于 Sato 分布语义的概率逻辑程序,分析了基于稳定和基于良基模型这两种语义,探讨了 credal 语义产生的概率模型集合是无限单调 Choquet 容量的结果产生的几个有用的结果,并研究了其推理和查询的复杂度。作者对此进行了详细说明,并对无环、分层、周期性的命题和关系程序,提出了推理和查询复杂度的结果,该复杂度达到各种计数层次和指数级别。
Jan, 2017
提出一种新的方法来正式描述统计推断的要求并检查程序是否正确使用了统计方法。具体来说,定义了信仰 Hoare 逻辑(BHL)以形式化并推理通过假设检验获取的统计信念。证明了 BHL 对于应用在假设检验方面的问题很有用,对于合理的统计推断解释中重要的先验信念进行了澄清。
Aug, 2022
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
本文介绍一种应用于概率和动态系统的抽象方法,通过基于概率信念的情境演算定义同类关系可将包含嘈杂执行器和传感器的详细概率基本操作理论抽象为可能的非随机基本操作理论,并得到节省细节的抽象 Golog 程序,简化了嘈杂机器人程序的实现,提供了更易于理解和解释的领域描述。
Apr, 2022
该研究提出了一种抽象方法,将高层次、非随机的机器人模型映射到低层次、随机的模型中,从而消除传感器噪声对机器人行为模型的影响,简化行为模型的可理解性。
Jul, 2022
本文扩展了 ProbLog 语言,增加了 “What if” 查询的功能,并提出了一种能够处理 ProbLog 程序的反事实查询的方法,同时提供了完整的实现以及对查询可扩展性的影响的洞见,并显示了该方法与具有析取注释的逻辑程序的因果语义一致。
May, 2023
定义了一种适用于建模不确定、不完整和不一致信息的可能性析取逻辑编程方法,并介绍了可能性析取子句的使用,该子句能够同时捕捉知识库的不完全信息和不完全状态;同时基于经典答案集语义和可能性逻辑证明理论构建可能性逻辑编程语义,对于不一致可能性逻辑程序的管理,采用偏好标准和切割方法进行篡改,并以医学场景为例进行了说明。
Jun, 2011
本文提出了一种将概率论争框架解释为概率逻辑程序的方法,并引入了 smProbLog 框架,它支持多种推断和学习任务,提供了新的概率论争工具,并证明了算法的计算成本。
Apr, 2023