Jun, 2024

数据 Petri 网与概率编程（扩展版）

PDF
TL;DR概率编程是一种允许编写统计模型、通过运行这些模型进行模拟，并利用强大的推理引擎分析和改进它们的统计行为的编程范式。本文介绍了将数据 Petri 网（DPNs）系统地转化为使用大多数概率编程系统支持的概率编程语言模型的方法。我们证明了我们的转化方法是可靠的，并可以提供模拟 DPNs 的统计保证。此外，我们讨论了概率编程在过程挖掘任务中的应用，并报告了我们的转化方法的原型实现。我们还讨论了基于所提出的转化方法和现有的概率编程工具可以轻松实现的进一步分析场景。
probabilistic programmingdata-aware processesdata petri netsmodel translationprocess mining
发现论文，激发创造
  • 概率神经程序

    我们提出了概率神经程序 —— 一个编程归纳框架，它允许灵活指定计算模型和推断算法，同时启用深度神经网络。概率神经程序将用于指定神经网络的计算图与加权非确定性选择操作符结合起来，从而既描述了一组决策，又描述了用于做出每个决策的神经网络架构。我们在一个具有挑战性的图表问答任务上评估了该方法，发现相对于基线模型，概率神经程序可以正确执行近两倍的程序。

    Dec, 2016

  • 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

  • 可扩展神经概率答案集规划

    提出了 SLASH 概率编程语言，通过神经概率谓词和逻辑编程实现了可管理的概率推理，可以进行各种类型的概率查询，并在多个任务上取得了良好的表现。

    Jun, 2023

  • 带算术条件的数据感知过程的准确性

    本研究提供了一个建立在基础和操作框架之上的 DPN 合法性评估方法，其具备算术数据条件，评估方法采用了 SMT 技术在文献和合成集合范例中得到了验证。

    Mar, 2022

  • 从时间序列数据中自动生成概率编程

    通过非参数高斯过程回归找到时间序列数据的描述性协方差结构从而构建具有表述性的概率编程描述， 不需要提供模型结构。

    Jul, 2016

  • 概率编程概念

    本文旨在通过探讨各种不同的概率编程语言所使用的基本概率原语，包括逻辑编程语言的概率扩展，从而比较和理解它们之间的区别，以更好地理解概率编程的核心编程概念和执行机制。

    Dec, 2013

  • 推论编译和通用概率编程

    该研究介绍了一种使用深度神经网络在概率编程模型中分摊推断成本的方法，并将深度学习与概率编程方法的优势相结合。这种名为 “编译推断” 的方法将用通用编程语言编写的概率程序的语义规范转换为用神经网络规范语言表示的训练过的神经网络，从而实现了原始模型的近似推断。

    Oct, 2016

  • 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

  • 概率编程实现的概率规划

    本文通过概率编程的视角简要介绍了概率规划的概念，着重阐述了 HYPE 和 ALLEGRO 两个系统的特点，强调它们在处理概率规划中复杂建模问题方面的优势，如处理不断扩大和缩小的状态空间，离散和连续的概率分布，以及一阶设置中的非唯一先验分布等。

    Jan, 2018

  • 概率编程推断的新方法

    介绍和证明了一个基于粒子马尔可夫蒙特卡罗的新的推理方法。该方法适用于图灵完备的概率编程语言，支持使用复杂控制流（包括随机递归）的模型的准确推理，并包括来自贝叶斯非参数统计的基元。实验证明，该方法比之前介绍的单一站点 Metropolis-Hastings 方法更有效。

    Jul, 2015