从概率编程到基于复杂性的编程
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
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
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
本文提出了一个基于 Answer Set Prolog 作为逻辑基础、以因果贝叶斯网络为概率基础的声明式语言 P-log,用于知识表示和知识更新,并给出了多个例子表明更新方法更加优越。同时,论文给出了实现 P-log 程序的充分条件,并证明了 Bayes nets 的易于映射到符合条件的 P-log 程序上。
Dec, 2008
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
该论文探讨了在概率约束逻辑编程中对数线性模型的研究,并将其应用到一阶概率推理中,介绍了基于标记和未标记的确定性子句确定证明概率的随机逻辑程序概率定义,通过归一化证明概率中原子公式本身的概率,扩展了相关理论,同时通过归纳逻辑编程从数据中归纳出对数线性模型的特征,最后用其他方法对其进行比较。
Jan, 2013