伯恩德·古特曼;英戈·通;安吉丽卡·基米格;莫里斯·布吕诺格;吕克·德·雷德 概率规划中逻辑推理的魔力。 (英语) Zbl 1222.68060号 理论与实践。日志。程序。 11,编号4-5,663-680(2011). 概要:今天,有许多不同的概率编程语言,以及这些语言的更多推理机制。然而,大多数基于逻辑程序设计的语言使用基于选择性线性定解的反向推理进行推理。虽然这些方法通常计算效率很高,但它们通常既不能处理无限和/或连续分布,也不能处理证据。为了克服这些局限性,我们引入了分配子句,这是佐藤分配语义的变体和扩展。我们还提出了一种新的近似推理方法,该方法将前向推理与重要抽样相结合,这是一种著名的概率推理技术。为了实现效率,我们集成了两种逻辑编程技术来直接正向采样。魔术集用于关注程序的相关部分,而反向推理的集成允许识别和避免样本空间中与证据不一致的区域。 引用于9文件 MSC公司: 68N17号 逻辑编程 第68季度55 计算理论中的语义学 关键词:概率逻辑;正向推理;取样;连续分布 软件:IBAL公司;ProbLog(问题日志);教堂 PDF格式BibTeX公司 XML格式引用 \textit{B.Gutmann}等人,《理论与实践》。日志。程序。11,编号4--5,663--680(2011;Zbl 1222.68060) 全文: 内政部 arXiv公司 参考文献: [1] Wasserman,《所有统计学:统计推断简明教程》(Springer Texts in Statistics)(2003年)·Zbl 1053.62005年 [2] De Raedt,第20届国际人工智能联合会议(IJCAI)会议记录,第2462页–(2007) [3] Milch,《第十届人工智能与统计国际研讨会论文集》,1月6日至8日,巴巴多斯第238页–(2005) [4] Milch,第十九届国际人工智能联合会议(IJCAI)会议记录,第1352页–(2005) [5] De Raedt,《概率编程第一次研讨会论文集:通用语言、系统和应用》(2008年) [6] Mantadelis,《第26届逻辑编程国际会议的技术通信》(ICLP-10),第124页–(2010) [7] 巴拉尔,逻辑程序设计理论与实践,9 pp 1–(2009) [8] Koller,概率图形模型:原理和技术(2009)·Zbl 1183.68483号 [9] Gutmann,《第20届归纳逻辑编程国际会议论文集》(ILP–10)(2010) [10] 古德曼,《第24届人工智能不确定性会议论文集》第220页–(2008) [11] 佐藤,《人工智能研究杂志》(JAIR)15页391–(2001) [12] 佐藤,《第十二届逻辑程序设计国际会议论文集》(ICLP 1995)第715页–(1995) [13] Getoor,《统计关系学习导论》(2007) [14] Eisner,《人类语言技术会议和自然语言处理实证方法会议论文集》(HLT/EMNLP-05),第6页–(2005) [15] 尼尔森,《逻辑、编程和Prolog》(1996年) [16] Pfeffer,第十七届国际人工智能联合会议,pp 733–(2001) 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。