×

混合关系域的概率逻辑编程。 (英语) Zbl 1362.68247号

摘要:我们介绍了一种概率语言和一种基于分布子句的高效推理算法,用于混合关系域中的静态和动态推理。静态推理是基于采样的,其中样本表示(部分)世界(具有离散和连续变量)。此外,我们使用反向推理来确定哪些事实应该包含在部分世界中。对于动态模型中的过滤,我们将静态推理算法与粒子过滤器相结合,并确保可以安全地忘记之前的部分样本,这是大多数逻辑过滤框架中不适用的条件。实验表明,该框架在静态和动态推理方面均优于经典采样方法,在机器人和视觉应用中具有广阔的前景。此外,它在大多数概率编程语言失败的领域中提供了正确的结果。

MSC公司:

68T05型 人工智能中的学习和自适应系统
68N17号 逻辑编程
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Andrieu,C.、Doucet,A.和Tadic,V.B.(2005年)。一般状态空间模型中的在线参数估计。第44届IEEE决策与控制会议记录,2005年和2005年欧洲控制会议(CDC-ECC’05),第332-337页。
[2] Apt,K.(1997)。从逻辑编程到Prolog。Upper Saddle River:Prentice Hall国际计算机科学系列。普伦蒂斯·霍尔。
[3] Bancilhon,F.和Ramakrishnan,R.(1986年)。一位业余爱好者对递归查询处理策略的介绍。SIGMOD记录,15,16-51·数字对象标识代码:10.1145/16856.16859
[4] Beetz,M.、Jain,D.、Mosenlechner,L.、Tenorth,M.,Kunze,L.和Blodow,N.等人(2012年)实现家务劳动智能的认知自主机器人控制。IEEE学报,100(8),2454-2471。
[5] Carvalho,C.M.、Johannes,M.S.、Lopes,H.F.和Polson,N.G.(2010年)。粒子学习和平滑。统计科学,25(1),88-106·Zbl 1328.62541号 ·doi:10.1214/10-STS325
[6] Carvalho,C.M.、Lopes,H.F.、Polson,N.G.和Taddy,M.A.(2010年)。一般混合物的粒子学习。贝叶斯分析,5(4),709-740·Zbl 1330.62348号 ·doi:10.1214/10-BA525
[7] Casella,G.和Robert,C.P.(1996年)。取样方案的Rao-Blackwellisation。《生物特征》,83(1),81-94·Zbl 0866.62024号 ·doi:10.1093/生物技术/83.181
[8] Cattelani,L.、Manfredotti,C.和Messina,E.(2012)。一种粒子滤波方法,用于跟踪具有动态关系的未知数量的对象。运筹学数学建模与算法杂志,13(1),3-21·Zbl 1279.62197号 ·doi:10.1007/s10852-012-9213-5
[9] Choi,J.、Guzman-Rivera,A.和Amir,E.(2011年)。提升了关系卡尔曼滤波。第22届国际人工智能联合会议论文集(IJCAI 2011),第2092-2099页。
[10] De Raedt,L.、Frasconi,P.、Kersting,K.和Muggleton,S.(编辑)。(2008). 概率归纳逻辑程序设计,理论和应用。计算机科学课堂讲稿,第4911卷。柏林:斯普林格·Zbl 1132.68007号
[11] de Salvo Braz,R.、Arora,N.、Sudderth,E.和Russell,S.(2008)。使用DBLOG进行开放式逆状态估计。NIPS概率编程研讨会:通用语言、系统和应用·Zbl 1072.62639号
[12] Doucet,A.、de Freitas,N.、Murphy,K.和Russell,S.(2000)。动态贝叶斯网络的Rao-blackwellised粒子滤波。《第16届人工智能不确定性会议论文集》(UAI'00)(第176-183页)。伯灵顿:摩根·考夫曼·Zbl 0976.62021号
[13] Doucet,A.、Godsill,S.和Andrieu,C.(2000)。贝叶斯滤波的序贯蒙特卡罗抽样方法。统计与计算,10(3),197-208·doi:10.1023/A:1008935410038
[14] Fung,R.M.和Chang,K.(1989年)。贝叶斯网络中随机模拟的加权和集成证据。《第五届人工智能不确定性会议论文集》(UAI 1989)·Zbl 1182.68353号
[15] Getoor,L.和Taskar,B.(2007年)。统计关系学习导论。马萨诸塞州剑桥:麻省理工学院出版社·Zbl 1141.68054号
[16] Gilks,W.R.和Berzuini,C.(2001年)。遵循动态贝叶斯模型的移动目标蒙特卡罗推断。英国皇家统计学会杂志:B辑(统计方法),63(1),127-146·Zbl 0976.62021号 ·doi:10.111/1467-9868.00280
[17] Goodman,N.、Mansinghka,V.K.、Roy,D.M.、Bonawitz,K.和Tenenbaum,J.B.(2008)。教堂:生成模型的语言。《第24届人工智能不确定性会议论文集》(UAI 2008)(第220-229页)。爱丁堡:AUAI出版社。
[18] Gutmann,B.、Thon,I.、Kimmig,A.、Bruynooghe,M.和De Raedt,L.(2011年)。概率规划中逻辑推理的魔力。逻辑程序设计理论与实践,11663-680·Zbl 1222.68060号
[19] Hajishirzi,H.和Amir,E.(2008年)。对一阶逻辑粒子进行采样。《第24届人工智能不确定性会议论文集》(UAI 2008)(第248-255页)。爱丁堡:AUAI出版社·Zbl 0741.68030号
[20] Higuchi,T。;Doucet,A.(编辑);Freitas,N.(编辑);Gordon,N.(编辑),自组织时间序列模型,429-444(2001),纽约·Zbl 1056.93579号 ·doi:10.1007/978-1-4757-3437-920
[21] Kadane,J.(2011)。不确定性原则。阿宾顿:泰勒和弗朗西斯·Zbl 1250.62009年 ·doi:10.1201/b11322
[22] Kalman,R.(1960)。线性滤波和预测问题的新方法。基础工程杂志,82,35-45·数字对象标识代码:10.1115/1.3662552
[23] Kantas,N.、Doucet,A.、Singh,S.S.和Maciejowski,J.M.(2009年)。一般状态空间模型中参数估计的序贯蒙特卡罗方法概述。在第15届国际会计师联合会系统识别研讨会上,第15卷,(第774-785页)。
[24] Kersting,K.、De Raedt,L.和Raiko,T.(2006年)。逻辑隐马尔可夫模型。《人工智能研究杂志》,25,425-456·Zbl 1182.68353号
[25] Kimmig,A.、Santos-Costa,V.、Rocha,R.、Demoen,B.和De Raedt,L.(2008)。关于ProbLog程序的高效执行。第24届逻辑编程会议记录(ICLP 2008)。计算机科学课堂讲稿(第5366卷,第175-189页)。柏林:斯普林格·兹比尔1185.68162
[26] 北川,G.(1996)。非高斯非线性状态空间模型的蒙特卡罗滤波器和平滑器。计算与图形统计杂志,5(1),1-25。
[27] Koller,D.和Friedman,N.(2009年)。概率图形模型:原理和技术自适应计算和机器学习。马萨诸塞州剑桥:麻省理工学院出版社。
[28] Lemieux,C.(2009年)。蒙特卡罗和准蒙特卡罗抽样(第20卷)。柏林:斯普林格·Zbl 1269.65001号
[29] Lloyd,J.(1987)。逻辑编程基础。纽约:斯普林格·Zbl 0668.68004号 ·doi:10.1007/978-3-642-83189-8
[30] Lloyd,J.和Shepherdson,J.(1991)。逻辑编程中的部分求值。逻辑编程杂志,11(34),217-242·Zbl 0741.68030号 ·doi:10.1016/0743-1066(91)90027-M
[31] Lopes,H.F.、Carvalho,C.M.、Johannes,M.和Polson,N.G.(2010年)。用于顺序贝叶斯计算的粒子学习。J.M.Bernardo、M.J.Bayarri、J.O.Berger、A.P.Dawid、D.Heckerman、A.F.M.Smith、M.West(编辑),贝叶斯统计9(第9卷,第317-360页)。牛津:牛津大学出版社。
[32] Manfredotti,C.E.、Fleet,D.J.、Hamilton,H.J.和Zilles,S.(2010年)。关系粒子滤波。NIPS现代应用蒙特卡罗方法研讨会,2010年12月。
[33] Meyer-Delius,D.、Plagemann,C.、Wichert,G.、Feiten,W.、Lawitzky,G.和Burgard,W.(2008)。描述动态多智能体系统中情况的概率关系模型。在数据分析、机器学习和应用方面。柏林:斯普林格。
[34] Milch,B.、Marthi,B.、Russell,S.、Sontag,D.、Ong,D.和Kolobov,A.(2005)。BLOG:具有未知对象的概率模型。《第19届国际人工智能联合会议论文集》(IJCAI 2005),第1352-1359页。
[35] Milch,B.、Marthi,B.、Sontag,D.、Russell,S.、Ong,D.L.和Kolobov,A.(2005)。无限关联贝叶斯网络的近似推理。R.G.Cowell,Z.Ghahramani(编辑),《第十届人工智能和统计国际研讨会论文集》(AISTATS 2005)(第238-245页)。人工智能与统计学会。
[36] Milch,B.C.(2006)。具有未知对象的概率模型。加州大学伯克利分校博士论文。
[37] Murphy,K.P.(2002)。动态贝叶斯网络:表示、推理和学习。加州大学伯克利分校博士论文。
[38] Natarajan,S.、Bui,H.H.、Tadeballi,P.、Kersting,K.和Keen Wong,W.(2008)。用于建模用户活动的逻辑分层隐马尔可夫模型。第18届归纳逻辑编程国际会议论文集(ILP 2008)。计算机科学课堂讲稿(第5194卷,第192-209页)。
[39] Ng,B.、Peshkin,L.和Pfeffer,A.(2002年)。可扩展监测的因子化粒子。《第18届人工智能不确定性会议论文集》(UAI2002)(第370-377页)。伯灵顿:摩根·考夫曼·Zbl 1279.62197号
[40] Nilsson,U.和Małiszyñski,J.(1995)。逻辑、编程和序言(第二版)。纽约:Wiley。
[41] Nitti,D.、Chliveros,G.、De Raedt,L.、Pateraki,M.、Hourdakis,M.和Trahanias,P.(2014年a)。多假设初始化的动态分布子句在基于模型的目标跟踪中的应用。第九届计算机视觉理论与应用国际会议(VISAPP 2014),第2卷。
[42] Nitti,D.、De Laet,T.和De Raedt,L.(2013)。混合关系域的粒子过滤器。《智能机器人和系统国际会议论文集》(IROS 2013),第2764-2771页。
[43] Nitti,D.、De Laet,T.和De Raedt,L.(2014b)。分配子句粒子过滤器。在数据库中的机器学习和知识发现,计算机科学的课堂讲稿(第8726卷,第504-507页)。柏林:斯普林格。
[44] Nitti,D.、De Laet,T.和De Raedt,L.(2014c)。关系对象跟踪和学习。《国际机器人与自动化会议论文集》(ICRA 2014)·Zbl 1457.68254号
[45] Owen,A.B.(2013)。蒙特卡罗理论、方法和示例。http://statweb.stanford.edu/欧文/麦克/
[46] Papai,T.、Kautz,H.和Stefankovic,D.(2012)。切片归一化动态马尔可夫逻辑网络。《神经信息处理系统进展》(NIPS 2012)(第1907-1915页)。
[47] Perov,Y.、Paige,B.和Wood,F.《印度GPA问题》。2016年2月23日检索自http://www.robots.ox.ac.uk/fwood/anglican/examples/viewer/?worksheet=印度-gpa·Zbl 1072.62639号
[48] Pfeffer,A.、Das,S.、Lawless,D.和Ng,B.(2009年)。因子推理用于监控动态团队和目标形成。信息融合,10(1),99-106·doi:10.1016/j.inffus.2008.05.005
[49] Pitt,M.K.和Shephard,N.(1999)。通过模拟过滤:辅助粒子过滤器。美国统计协会期刊,94(446),590-599·Zbl 1072.62639号 ·doi:10.1080/01621459.1999.10474153
[50] Przymusinski,T.C.(1988)。完美的模型语义。第五届逻辑程序设计国际会议和研讨会(ICLP/SLP 1988),第1081-1096页。
[51] Robert,C.和Casella,G.(2004)。蒙特卡罗统计方法。统计中的斯普林格文本。纽约:斯普林格。 ·doi:10.1007/978-1-4757-4145-2
[52] Russell,S.和Norvig,P.(2009年)。《人工智能:现代方法》(第三版)。新泽西州恩格尔伍德悬崖:普伦蒂斯·霍尔·Zbl 0835.68093号
[53] 佐藤(1995)。具有分布语义的逻辑程序的统计学习方法。第十二届逻辑编程国际会议论文集(ICLP 1995)(第715-729页)。马萨诸塞州剑桥:麻省理工学院出版社。
[54] Shirazi,A.和Amir,E.(2011年)。一阶逻辑滤波,《人工智能》,175(1),193-219·兹比尔1216.68276 ·doi:10.1016/j.artint.2010.04.015
[55] Storvik,G.(2002)。存在未知静态参数的状态空间模型的粒子滤波器。IEEE信号处理汇刊,50(2),281-289·doi:10.1109/78.978383
[56] Tenorth,M.和Beetz,M.(2009年)。KnowRob——自主个人机器人的知识处理。《IEEE/RSJ智能机器人和系统国际会议论文集》(IROS 2009),第4261-4266页。
[57] Thon,I.、Landwehr,N.和De Raedt,L.(2011年)。随机关系过程:有效的推理和应用。机器学习,82(2),239-272·Zbl 1237.68169号
[58] Thrun,S.、Burgard,W.和Fox,D.(2005年)。概率机器人。马萨诸塞州剑桥:麻省理工学院出版社。国际标准图书编号:0262201623·兹比尔1081.68703
[59] Whiteley,N.和Johansen,A.M.(2010年)。辅助粒子滤波的最新发展。Barber,C.,&Chiappa,(Eds.),《动态模型中的推断和学习》(第38、39-47页)。剑桥:剑桥大学出版社。
[60] Wood,F.、van de Meent,J.W.和Mansinghka,V.(2014)。概率规划推理的一种新方法。《第17届国际人工智能与统计会议论文集》(AISTATS 2014),第1024-1032页。
[61] Zettlemoyer,L.S.、Pasula,H.M.和Kaelbling,L.P.(2007)。逻辑粒子滤波。《达格斯图尔概率、逻辑和关系学习研讨会论文集》。
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。