Jun, 2023

智能代理的简单预期和观察：一项复杂性研究

PDF
TL;DR研究了公开观察逻辑的各个部分的满意度问题的计算复杂性及其与公开公告逻辑的紧密联系。
public observation logicepistemic reasoningcomputational complexitysatisfaction problemspublic announcement logic
发现论文，激发创造
  • 验证智能代理的期望和观察

    本文主要研究了一种称为公共观察逻辑的动态认知逻辑的计算复杂性，并探讨了该模型检查算法的实现，以及其在验证不同特征和交互系统方面的适用性。

    May, 2022

  • 有限置信推理的复杂性 - 无量词情况

    本文研究在信念水平下进行推理的计算复杂性，并进行了参数化复杂性理论的进一步细化，探究信念水平和非逻辑符号数量对复杂性的影响。

    May, 2018

  • 多智体信仰的 PAC 语义学习性

    此文介绍了使用多智能体认知逻辑演示 PAC 学习的技术基础，涉及逻辑和弱推理，以提供强大的模型理论框架来回答查询，并研究了该算法的正确性、样本复杂性以及其能够高效的情况，利用表述定理将模态推理纳入命题推理中。

    Jun, 2023

  • 传感器网络中的不确定情况下的复杂事件识别

    本文介绍了一种使用 Markov 逻辑网络的概率一阶谓词逻辑（FOPL）推理系统，从传感器网络中提取信息进行复杂决策，以及证明这种方法在处理各种实际数据时的数学准确性和广泛适用性。

    Nov, 2014

  • ASP 中的多智体认知规划建模

    本文介绍了一种基于声明式编程技术的多智能体认知情境下的推理问题的解决方案，即 PLATO（基于 ePistemic 多智能体 Answer Program 解决方案），利用自定义认知状态表征和 ASP 求解器的效率，在从文献中收集的基准测试中取得了有竞争力的性能结果，并为其正确性开发了形式验证。

    Aug, 2020

  • 关于动态认知逻辑的复杂性

    本研究使用合法及完整的插入表技术，证明 DEL 语言中事件模型的模型检查问题是 PSPACE 完全的，并证明了满足性问题是 NEXPTIME-complete 的。

    Oct, 2013

  • 基于高阶信念变化的通用多智能体认知规划器

    提出了一种多代理认知规划的表示语言，解决了现有编译成经典计划所面临的各种限制，包括只能生成线性计划、限制公共行动和无法处理分离信念等问题。

    Jun, 2018

  • 逻辑约束部分可观测多智能体马尔科夫决策过程的最优控制

    本文讲述了一种基于特定约束的自主系统与多智能体的优化控制方法，以实现其最大化收益并同时满足时间逻辑约束的概率足够高。

    May, 2023

  • POMCP 中软策略引导的逻辑规范学习

    本文介绍了如何使用归纳逻辑编程从 POMCP 执行的跟踪中学习规则并将它们集成到 POMCP 中，以提供对有前途的动作的软性策略偏向，我们在两个基准情景下说明，从小任务实例中学习到的规则的集成可以提高性能，并且需要更少的蒙特卡罗模拟并且处理更大的任务实例。

    Mar, 2023

  • 深度有限的认知逻辑

    DBEL 是 S5 的扩展，用来模拟深度有限的代理人进行关于知识公式的推理，同时添加了深度原子 Ead 和 Pad，扩展了公开声明逻辑的公理，解决了遗忘和知识泄漏等问题，并用这些逻辑来解决经典的泥泞孩子问题。

    Jul, 2023