Aug, 2023

关于概率逻辑程序结构中隐藏的独立性

PDF
TL;DR通过将概率逻辑程序结构抽象化为程序结构，并给出一个正确的元解释器来决定给定外部数据库的程序结构是否意味着某个特定的条件独立性陈述，本研究将 Pearl 和 Verma 的有向分离理论推广到非 ground 情况，进而从 d-separation 中计算条件独立性，实验评估结果显示，比起在 ProbLog 2 中使用精确推理来检查独立性定义，我们的元解释器的性能明显更快。
发现论文，激发创造
  • 关于关系数据的概率模型中独立性的推理

    本文在不独立于同分布的数据实例上扩展了 d 分离理论，引入关系分离理论以从 relational models 推导条件独立性并提出了抽象的 ground graph 表达方式，从而实现了一种可靠、完整、高效的计算 d-separation 查询的方法。

    Feb, 2013

  • 概率逻辑程序的语义和复杂度

    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

  • 因果模型的逻辑

    本研究研究了有向无环图在表示条件独立关系方面的作用，提出 DAG 可以用来推断条件独立关系并可以比其他准则发现更多合法的独立关系。此外，研究还表明 DAG 所显示的依赖关系是相一致的。

    Mar, 2013

  • 因果网络：语义和表达能力

    本文研究了依赖知识和图结构之间的关系，提出了基于因果输入列表的 DAG 的分离规则，为读取任何 DAG 中的独立性提供了一个可靠的方法。

    Mar, 2013

  • d - 分离：从定理到算法

    本文提出了一种高效算法，能够根据贝叶斯网络的拓扑结构确定所有的相关性，算法的正确性和最大性源于基于概率理论的 d - 分离的完备性和正确性。该算法的时间复杂度为 O (lE l)，E 为网络中边的数量。

    Mar, 2013

  • 概率图模型的近似蕴涵

    本文研究了概率图模型中近似条件独立性的推断和验证问题，发现无向概率图并不能提供准确的条件独立性推断保证，而有向概率图可以通过 $d$-separation 算法准确推断近似条件独立性。此外，还提出了改进的近似保证方法和独立关系推断算法。

    Oct, 2023

  • 分布语义下概率逻辑编程的明确定义和高效推理

    探讨了分布语义的适用范围和计算查询概率的有效性，提出了用于将概率程序转换为普通程序，并应用 SLG 分辨率和答案包含进行计算的算法 “基于表和答案包 计算的概率推理（PITA）” 来计算查询的概率。

    Oct, 2011

  • 多变量反事实系统和因果图模型

    本文介绍了 Judea Pearl 在因果推断和统计学领域中的许多贡献，并阐述了 d 分离准则、do 演算和中介公式。文章还提出了一种关于潜在结果和事件树的早期因果模型，该模型饭后了 d 分离准则和 do 演算的简化，导致在有隐含变量的因果模型中，一个完整的识别算法的简单反事实的制定。

    Aug, 2020

  • 可能性析取规划的语义

    定义了一种适用于建模不确定、不完整和不一致信息的可能性析取逻辑编程方法，并介绍了可能性析取子句的使用，该子句能够同时捕捉知识库的不完全信息和不完全状态；同时基于经典答案集语义和可能性逻辑证明理论构建可能性逻辑编程语义，对于不一致可能性逻辑程序的管理，采用偏好标准和切割方法进行篡改，并以医学场景为例进行了说明。

    Jun, 2011

  • 信念网络中寻找最小 d - 分离集的算法

    该研究讨论了在有向无环图中查找最小分隔集的组合问题和其扩展，提出了一种基于两步过程的算法来解决该问题。

    Feb, 2013