皮塔

PITA系统:不确定条件下推理的表和答案包容。许多现实世界的领域都需要对不确定性的度量进行表示。最常见的这种表示是概率,概率与逻辑程序的结合产生了概率逻辑程序设计(PLP)的领域,产生了独立选择逻辑、带注释析取的逻辑程序(LPAD)、Problog、PRISM等语言。这些语言共享相似的分布语义,并且已经设计了在这些语言之间翻译程序的方法。由于需要组合解释的概率,因此计算对这些一般PLP程序的查询概率的复杂性非常高。作为一种替代方案,PRISM系统通过限制它可以评估的程序的形式来降低查询回答的复杂性。作为一个完全不同的选择,可能性逻辑程序采用比概率更简单的不确定性度量。这些方法中的每一种——一般PLP、受限PLP和可能性逻辑编程——都可以在不同的领域中发挥作用,这取决于要表示的不确定性的形式、建模问题所需的程序形式以及要解决的问题的规模。本文介绍了PITA系统,它最初支持LPADs的通用PLP语言,如何有效地支持受限PLP和可能逻辑程序。PITA依赖于包含应答的表,它包括一个转换以及一个用于与应答包含接口的库函数的API。我们证明,通过调整PITA的变换和库函数,PITA可以参数化为PITA(IND,EXC),它支持PRISM的受限PLP,包括减少非区分参数的优化和Viterbi路径的计算。此外,我们还证明了PITA在对隐马尔可夫模型实例的复杂查询方面与PRISM相竞争,有时甚至更快。我们进一步说明如何将PITA参数化为PITA(COUNT),PITA(COUNT)计算子目标的不同解释数,以及PITA(POSS),后者可伸缩地实现可能性逻辑编程。PITA是XSB版本3.3中支持的包。


参考文献中的数学22条,2标准条款)

显示第1到第20个结果,共22个。
按年份排序(引用)
  1. Nguembang Fadja,阿诺;里古兹,法布里齐奥;Lamma,Evelina:学习分层概率逻辑程序(2021)
  2. 贝洛迪,埃琳娜;阿尔贝蒂,马可;里古兹,法布里齐奥;Zese,Riccardo:概率逻辑编程的地图推理(2020)
  3. 曼塔德利斯,提奥弗拉斯托斯;Bistarelli,Stefano:概率抽象论证框架,一个可能的世界观(2020)
  4. 斯里尼瓦桑,阿什温;维格,亲爱的;Shroff,Gautam:使用领域知识构建优化问题的生成逻辑模型(2020)
  5. 戈什,萨克;Ramakrishnan,C.R.:概率逻辑程序中的信息价值(2019)
  6. Nguembang Fadja,阿诺;Riguzzi,Fabrizio:提升概率逻辑程序的区分学习(2019)
  7. 泽斯,里卡多;科塔,朱塞佩;南丫岛,伊芙丽娜;贝洛迪,埃琳娜;Riguzzi,Fabrizio:带精确公式的概率DL推理:基于Prolog的方法(2019)
  8. 纳帕利,阿伦;张,提摩太;Ramakrishnan,C.R.:概率逻辑程序中基于约束的推理(2018)
  9. Schwitter,Rolf:通过概率逻辑编程学习效果公理(2018)
  10. 巴赫,斯蒂芬H。;布罗切勒,马提亚斯;黄伯特;Getoor,Lise:铰链损失马尔可夫随机场和概率软逻辑(2017)
  11. 里古兹,法布里齐奥;科塔,朱塞佩;贝洛迪,埃琳娜;Zese,Riccardo:cplint中的因果推理(2017)
  12. 纳帕利,阿伦;Ramakrishnan,C.R.:使用提升解释的概率逻辑程序推理(2016)
  13. Riguzzi,Fabrizio:带函数符号的正态程序的分布语义(2016)
  14. 弗拉塞勒,乔纳斯;范登布罗克,伙计;金米格,安吉丽卡;米尔特,万恩斯;De Raedt,Luc:(T\mathcalP)-概率逻辑程序中推理的编译(2016)
  15. 贝洛迪,埃琳娜;Riguzzi,Fabrizio:通过搜索子句空间进行概率逻辑程序的结构学习(2015)
  16. De Raedt,卢克;Kimmig,Angelika:概率(逻辑)编程概念(2015)
  17. 迪莫罗,尼古拉;贝洛迪,埃琳娜;Riguzzi,Fabrizio:基于Bandit的概率逻辑程序的蒙特卡罗结构学习(2015)
  18. 佐藤、太介;Kubota,Keichi:PRISM的维特比培训(2015)
  19. 范兰斯特,威比;Vennekens,Joost:CP逻辑前向采样算法的OpenCL实现(2015)
  20. 里古兹,法布里齐奥;Swift,Terrance:分布语义下概率逻辑规划的定义性和有效推理(2013)