×
曼弗雷德·杰格

模型理论表达性分析。 （英语） Zbl 1137.68591号

De Raedt，Luc（编辑）等人，概率归纳逻辑编程。理论和应用。柏林：施普林格出版社（ISBN 978-3-540-78651-1/pbk）。计算机科学课堂讲稿4911。人工智能课堂讲稿，325-339（2008）。
小结：在前一章中[S.马格尔顿和J.Chen（陈），“一些概率逻辑模型的行为比较”，Lect。注释计算。科学。4911, 305–324 (2008;Zbl 1137.68595号)]比较语言的问题是从行为的角度考虑的。在本章中，我们开发了一种替代的模型理论方法。
在这种方法中，我们通过考虑可以用语言描述的模型来比较概率逻辑（pl-）语言的表达能力。粗略地说，如果在（L）中定义的每个模型也可以在（L’）中定义，那么一种语言（L’。在模型理论方法中获得的结果可能比行为方法中得到的结果更强，因为模型的等效性意味着任何可能类型的推理任务都具有等效的行为。另一方面，模型理论方法的灵活性略低于行为方法，因为只能比较定义可比较模型类型的语言。因此，贝叶斯逻辑程序（定义可能世界上的概率分布）和随机逻辑程序（在派生上定义概率分布）之间的比较在模型理论方法中已经相当具有挑战性，因为它首先需要定义统一的语义框架。因此，在本章中，我们关注语义相似性更强的pl语言（贝叶斯逻辑程序（BLP）、概率关系模型（PRM）、多实体贝叶斯网络（Multi-Entity Bayesian Networks）、马尔可夫逻辑网络（MLN）、关系贝叶斯网（RBN）），并首先为这些语言建立统一的语义。然而，我们提出的框架具有足够的灵活性（只需稍稍付出更大的努力），可以容纳诸如随机逻辑程序或Prism之类的语言。
关于整个系列，请参见[Zbl 1132.68007号].

引用于三文件

MSC公司：

68T27型 人工智能中的逻辑
68N17号 逻辑编程
03C98号 模型理论的应用

引文：

兹比尔1137.68595
PDF格式BibTeX公司 XML格式引用
\textit{M.Jaeger}，莱克特。注释计算。科学。4911325-339（2008年；Zbl 1137.68591）
全文： 内政部

参考文献：

[1] Friedman，N.、Getoor，L.、Koller，D.、Pfeffer，A.：学习概率关系模型。附：第十六届国际人工智能联合会议记录（IJCAI 1999）（1999）
[2] Jaeger，M。；科恩，A.G。；舒伯特，L。；Shapiro，S.C.，《用关系贝叶斯网络推理无限随机结构》，《第六届知识表示与推理原则国际会议论文集》（KR 1998），570-581（1998），旧金山：Morgan Kaufmann，旧金山
[3] Jaeger，M.，Kersting，K.，De Raedt，L.：pl语言的表达性分析（立场文件）。In:统计关系学习研讨会在线会议记录（SRL 2006）（2006）
[4] Jaeger，M。；盖革，D。；Shenoy，P.P.，关系贝叶斯网络，《第十三届人工智能不确定性会议论文集》（UAI-13），266-273（1997），旧金山：Morgan Kaufmann，旧金山
[5] Jaeger，M.，《递归关系贝叶斯网络的复杂概率建模》，《数学与人工智能年鉴》，第32期，第179-220页（2001年）·Zbl 1314.68302号 ·doi:10.1023/A:1016713501153
[6] Kersting，K。；De Raedt，L。；Rouveirol，C。；Sebag，M.，《将归纳逻辑编程与贝叶斯网络相结合》，《归纳逻辑编程》，118-131（2001），海德堡：斯普林格出版社·Zbl 1006.68518号 ·doi:10.1007/3-540-44797-0_10
[7] 拉斯基，K.B.，达科斯塔，P.C.G.：星舰和克林贡人：23世纪的贝叶斯逻辑。摘自：《2005年UAI会议记录》（2005）
[8] Milch，B.，Marthi，B.，Russell，S.，Sontag，D.，Ong，D.L.，Kolobov，A.：博客：未知对象的概率逻辑。In：程序。第19届国际人工智能联合会议（IJCAI），第1352-1359页（2005）
[9] 麻格尔顿，S。；de Raedt，L.，《随机逻辑程序》，《归纳逻辑程序设计进展》，254-264（1996），阿姆斯特丹：IOS出版社，阿姆斯特朗
[10] Pasula，H.、Marthi，B.、Milch，B.、Russell，S.、Shpitser，I.：身份不确定性和引文匹配。In:NIPS 2003（2003）会议记录
[11] Poole，D.：关于存在、角色和身份的概率推理的逻辑生成模型。摘自：2007年AAAI会议记录（2007）
[12] 理查森，M。；多明戈斯，P.，马尔可夫逻辑网络，机器学习，62，1-2107-136（2006）·Zbl 1470.68221号 ·doi:10.1007/s10994-006-5833-1
[13] Sato，T.：一种用于具有分布语义的逻辑程序的统计学习方法。摘自：《第十二届逻辑程序设计国际会议论文集》（ICLP 1995），第715-729页（1995）
[14] Singla，P.，Domingos，P.：无限域中的马尔可夫逻辑。致：2007年UAI会议记录（2007）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。