Feb, 2023

结构感知的SMT加权模型集成增强

HTML
PDF
TL;DR本文介绍一种基于SMT枚举的新算法，通过对问题结构的有效编码避免生成冗余模型，从而实现与不同整合技术的无缝配合，可以显著扩展可以通过WMI技术处理的问题集，而且相比现有的解决方案具有巨大的计算优势，已在合成和真实世界数据集上进行了广泛的实验评估，并在旨在验证概率程序公平性的原型任务中展示了该技术的应用潜力。
发现论文，激发创造
  • 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

  • 使用加权布尔公式的概率逻辑程序推理和学习

    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

  • 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

  • 通过利用知识编译在线性和非线性混合领域中扩大概率推断

    本文提出了新的实现方案，利用命题知识编译来扩展推理，使用可处理布尔函数的可决策图作为基础模型计数和列举方案，在非线性势函数上处理非线性约束，并与最先进的WMI系统竞争。

    Nov, 2018

  • 混合概率逻辑程序中的一阶上下文特定似然加权

    本文介绍了一种混合概率逻辑编程语言 DC#，它将分布式子句的语法与贝叶斯逻辑程序的语义原则集成到一起。该语言以质量为基础表示了三种独立性，并引入了可扩展的推理算法 FO-CS-LW，该算法是 CS-LW 的一阶扩展，结合了一阶统一和规则组合。

    Jan, 2022

  • 基于 SMT 的结构感知加权模型集成

    本文介绍了一种基于 SMT-based enumeration 的算法，对于复杂的混合问题具有显著的计算节约优势，经过实验评估证明该算法优于现有替代方法。

    Jun, 2022

  • 对称加权一阶模型采样的提升算法

    证明了一种高效的采样算法，解决了带有计数量词的一阶逻辑的两个变量片段的权重模型采样在多项式时间内可行的问题。

    Aug, 2023

  • Tsetlin机器的广义收敛分析：概率方法应用于概念学习

    Tsetlin机器的收敛性分析表明，通过引入概率概念学习（PCL）框架，可以简化TM结构，并确保在0.5<p_k<1的条件下，PCL能够收敛到文字的析取，为未来关于Tsetlin自动学习算法收敛性的研究奠定基础。

    Oct, 2023

  • 基于加权模型集成的人工智能系统概率验证的统一框架

    用加权模型整合（WMI）为基础，提出了一个统一的AI系统的概率形式验证（PFV）框架，它可以处理各种机器学习模型的不同性质验证，如公平性、鲁棒性或单调性，避免了强分布假设，并讨论了与该框架相关的可扩展性挑战和研究方向。

    Feb, 2024

  • 关于概率神经符号学习的难度

    纯神经学习的局限性引发了对概率神经符号模型的兴趣，这些模型将神经网络与概率逻辑推理相结合。我们研究了不同iating to withging行概率推理的复杂性。我们证明了尽管在一般情况下近似这些梯度是棘手的，但在训练过程中变得可行。此外，我们介绍了基于模型采样的无偏梯度估计器WeightME。在温和的假设下，WeightME用对数数量的SAT求解器调用来近似梯度并提供概率保证。最后，我们评估了梯度中这些保证的必要性。我们的实验表明，即使在仍然可行的情况下，现有的偏倚近似确实很难优化。

    Jun, 2024