Sep, 2023

概率编程中的 Pearl 和 Jeffrey 更新作为学习模式

PDF
TL;DR更新概率分布的概念是统计学和机器学习的核心。本文通过描述二者的概率编程和采样语义的方式以及不同的似然度（针对 Pearl 和 Jeffrey）来阐明它们的关系。此外，还展示了 Jeffrey 的更新规则是通过变分推理得出的。在范畴概率论中，这相当于在分布单子范畴的 Kleisli 范畴中扩展的多集函子的行为分析。
发现论文，激发创造
  • 更新信念分布的一般框架

    我们提出了一个泛贝叶斯推理的框架，利用损失函数将数据信息与感兴趣参数相连，并使用累计损失函数的决策论方法更新信念，从而在更一般的情况下提供连贯的主观推断。

    Jun, 2013

  • Harold Jeffreys 概率论理论重访

    Jeffreys 的概率论是 Bayes 统计领域的经典之作和客观 Bayes 学派的先驱，其中详尽的论证了非信息先验的构建和 Bayes 因子的扩展对该领域产生了持久的影响。本文旨在帮助读者在这篇难以理解的文章中找到当今仍然有意义的段落。

    Apr, 2008

  • Pearl：一种概率图解析器

    本文介绍了一种自然语言解析算法，它采用基于概率的评分函数来选择句子的最佳解析，并使用上下文为基础的概率来预测概率。该解析工具成功解决了诸如词性标注和单词歧义等问题，采用了不同于传统流水线架构的技术。

    May, 1994

  • 利用数据和矩更新概率

    利用最大熵方法处理观测数据和矩约束，得到了同步更新问题的后验分布的通用 “规范” 形式，并讨论了非交换约束的一般问题，以及两个外表相似但实际上非常不同的问题的多项式实例的示例详细解法。

    Aug, 2007

  • 使用概率编程语言 Birch 进行自动化学习

    本文介绍了基于概率编程中的最新进展，以广阔的概率建模和推断为视角，探讨了概率编程语言如何自动匹配模型和推断方法，强调了模型的结构和形式对这种匹配的至关重要性，并通过 Birch 进行实例演示。

    Oct, 2018

  • 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

  • 贝叶斯程序合并法诱导概率程序

    利用概率性编程语言，通过合并一般性表达，找到复杂问题的规律，从而进行表示与处理。

    Oct, 2011

  • 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

  • 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

  • 基于 SE - 模型的语义规则更新的兴衰

    本文探讨了一种通过借鉴信仰更新领域的成果来解决更新 Logic 程序的问题的方法，证明了一种表示定理并定义了一种特定操作，从而更好地管理 Logic 程序的演变。

    Jun, 2013