Feb, 2023

逻辑信念网络中的马尔可夫条件和因子分解

PDF
TL;DR本研究探讨了逻辑可信网络的语言，并分析了各种马尔科夫条件的后果。我们引入了逻辑可信网络的结构概念，并显示没有有向循环的结构导致了一个众所周知的分解结果。对于有向循环的网络，我们分析了 Markov 条件、分解结果和规范要求之间的差异。
发现论文，激发创造
  • 无环有向混合图的分解准则

    本研究提出了半马尔可夫模型的因子化准则，该准则等同于（自然扩展的）d - 分离给出的全局马尔可夫性质，以表示由具有潜在变量的 DAG 模型诱导的观察边际的条件独立结构。

    Jun, 2014

  • 关于复杂网络的推理：一种逻辑编程方法

    本文提出了一种基于逻辑程序的形式化语言 MANCaLog，该语言满足了前人提出的关于在复杂网络中进行推理的建议，重点研究了社交网络中确定组成员身份的问题，并提出了一种方法来达到更好的社交网络挖掘效果。

    Sep, 2022

  • 拓展因子图以统一有向和无向图形模型

    本文介绍了两种最受欢迎的图模型：贝叶斯网络和马尔科夫随机场，并提出了一种新的图模型 —— 因子图。因子图可以将贝叶斯网络和马尔科夫随机场的优点结合起来，并采用单一的消息传递算法进行概率推断。另外，因子图是贝叶斯网络和马尔科夫随机场的严格超集。

    Oct, 2012

  • 复杂马尔可夫逻辑网络：表达能力与可提升性

    研究马尔可夫逻辑网络（MLN）的表达能力，引入了使用复合价格的复合 MLN，并表明与具有实际价格的标准 MLN 不同，复杂的 MLN 是完全表达的。观察到离散傅里叶变换可以使用具有复合权重的加权一阶模型计数（WFOMC）来计算，并使用此观察结果设计了一种算法，用于计算关系边际多面体，其需要 WFOMC 神谕的呼叫要少得多比最近的算法。

    Feb, 2020

  • 无环定向混合图的嵌套马尔科夫性质

    利用核对象的条件独立性分解和变量消除的辅助计算方式，定义一套有向无环混合图模型和 Tian 等人提供的约束条件，并证明 DAG 模型的边缘分布属于该模型，最后阐明该模型中对于隐藏变量因果 DAG 模型识别的简单性质。

    Jan, 2017

  • 基于结构的约束学习马尔可夫网络

    用约束条件的结构学习方法学习马尔可夫网络的理论限制与性能逐渐变好，并且对条件独立性测试的集合大小和测试数量进行了研究。

    Mar, 2024

  • LogicalFactChecker：利用逻辑运算进行图模组网络事实检查

    本论文提出了 LogicalFactChecker，这是一种基于神经网络的方法，能够利用逻辑操作来进行事实检查，并且在 TABFACT 数据集上实现了最先进的性能，通过 Transformer-based 架构构建基于图形模块网络的异构图使得每个单词在语句、表格和程序中的相关上下文都能被观察到，并通过程序驱动的模块网络进一步利用了程序的层次结构。

    Apr, 2020

  • 具有循环和潜变量的图模型的马尔可夫属性

    研究了允许存在循环和潜变量的概率图模型，并引入了带有超边的有向图，定义并分析了多个与图形结构相关的马尔可夫属性。

    Oct, 2017

  • 神经马尔可夫逻辑网络

    介绍了一种神经马尔可夫逻辑网络 (NMLNs) 的统计关系学习系统，其借鉴了马尔可夫逻辑的思想，通过神经网络隐式表示逻辑规则作为关系结构上的潜在势函数，克服了基于神经符号方法的嵌入缺失等问题，在知识库补全、三元组分类和分子 (图) 数据生成方面有较大的应用潜力。

    May, 2019

  • Markov 类别、因果理论和 do - 演算

    本文使用范畴论方法对因果模型进行了分类处理，从 “纯因果” 的角度定义了因果独立 / 分离、因果条件等重要概念，并产生了一个核心部分的语法版本的 syntactic do-calculus 在所有因果模型中继承。

    Apr, 2022