Aug, 2022

Tyche：Python 中的概率推理和信念建模库

PDF
TL;DR该论文介绍了 Tyche Python 库，通过构建、查询和学习信念模型，在不确定的世界中促进概率推理。Tyche 使用 aleatoric 描述逻辑，可以通过定义个体类、对它们的概率信念（概念）和它们之间的概率关系（角色）简洁地创建信念模型。我们还介绍了一种观测传播方法来促进复杂的 ADL 观测的学习。展示了 Tyche 预测匿名消息的作者以及从匿名消息中提取作者写作倾向的能力。Tyche 有助于开发专家系统、知识提取系统以及代理处理不完整和概率信息的游戏。
发现论文，激发创造
  • 利用符号库进行归纳推理的神经数学推理方法增强

    通过离散型系统和抽象学习框架的组合，提出了 ABL-Sym 算法，将 Transformer 神经模型与符号数学库相结合，从而在数学推理数据集上显示出显著的准确性提高。

    Mar, 2022

  • 语言模型是否能够执行假设式常识推理？

    本文为解决 “Abductive Reasoning” 提出了多种方法，再现了基准模型。通过此报告，发现目前的方法仍有一些局限性。

    Jul, 2022

  • 非理性人类智能的可解释集体智能

    提出一种使用预测市场机制，通过激励专家之间直接信息交流的方式来解决科学或医学领域问题的方法。

    Apr, 2022

  • 通过默认规则学习 Possibilistic 逻辑理论

    从机器学习角度分析了默认形式 “如果 alpha 通常是 beta” 学习可能主义逻辑理论的问题，然后提出了一种启发式学习算法，可以轻松扩展到数千个默认项，并且能够处理嘈杂和冲突的默认集合。通过使用该方法，我们可以从众包数据中学习可能主义逻辑理论，并使用启发式 MAP 求解程序来近似命题 Markov 逻辑网络。实验结果表明了该方法的有效性。

    Apr, 2016

  • 从统计知识库到信念度量

    研究一种名为随机世界方法的方法，该方法基于不同可能的世界同等可能的原则来诱导信念度数，从而在定量概率推理中集成了定性默认推理，可以应用于许多其他非演绎性推理系统所无法处理的问题。

    Jul, 2003

  • 具有概率完整性约束的非基于地面的非完整推理逻辑编程

    本文讨论了使用带有变量的概率性假设建模的丰富逻辑语言进行概率性逆推的问题，提出了一种证明过程，该过程的有效性得到了证明。

    Aug, 2021

  • Calc-X：通过与符号系统交互来丰富算术思路链数据集

    本报告概述了我们正在进行的工作，即通过集成计算器等非参数组件来丰富需要算术推理的思维链数据集。我们对 GSM8K、Ape210K、AQuA-RAT 和 MathQA 等显着相关的数据集进行了分析，并提出了一个特别适用于半结构化链工作的机器可处理的类似 HTML 的格式。通过将数据集转换为这个统一的格式，我们使得大型语言模型和符号系统的有效集成成为可能，从而使它们更有效地处理算术推理任务。

    May, 2023

  • 认知深度学习

    该论文介绍了一种基于随机集合解释置信度函数的认知深度学习概念，提出了一种新的随机集合卷积神经网络用于分类，并通过实验表明该认知方法在估计不确定性方面比传统方法具有更好的性能。

    Jun, 2022

  • 一种运行时认知概率事件演算在电子健康系统决策中的应用

    本文提出一种将感官数据和分类器与基于逻辑的决策系统相结合的运行时体系结构，应用于儿童神经运动障碍康复的电子健康系统中，并使用 Epistemic Probabilistic Event Calculus 等技术来改善儿童的表现。

    Sep, 2022

  • 探索概率关系模型中的未知宇宙

    本文旨在提出一种适用于具有未知宇宙的模型的语义模型，以实现解耦与特定约束语言，从而实现提升推理和从而使其具有可处理的推理的优势。

    Jan, 2020