×
费伦斯，大安；盖伊，范登·布勒克；乔里斯·伦肯斯；迪米塔尔·施特里奥诺夫；伯恩德·古特曼；通，因戈；杰尔达·詹森斯；吕克·德·雷德

使用加权布尔公式的概率逻辑程序中的推理和学习。 （英语） Zbl 1379.68062号

理论与实践。日志。程序。 15，第3期，358-401（2015）.
概要：概率逻辑程序是用概率注释某些事实的逻辑程序。本文研究了概率逻辑程序如何处理图形模型社区中已知的经典推理和学习任务。一些这样的任务，例如计算边缘、给出证据和从（部分）解释中学习，以前在概率逻辑程序中并没有得到真正的解决。本文的第一个贡献是为各种推理任务提供了一套有效的算法。它基于将程序、查询和证据转换为加权布尔公式。这使我们能够将推理任务减少为经过充分研究的任务，例如加权模型计数，这可以使用图形模型和知识汇编文献中已知的最先进方法来解决。第二个贡献是解释学习设置中的参数估计算法。该算法采用期望最大化，建立在已开发的推理算法之上。对提出的方法进行了实验评估。结果表明，推理算法改进了概率逻辑程序设计的最新技术，并且确实可以从解释中学习概率逻辑程序的参数。

引用于51文件

MSC公司：

68N17号 逻辑编程
68T05型 人工智能中的学习和自适应系统
68层37 人工智能背景下的不确定性推理

关键词：

概率逻辑程序设计；概率推理；参数学习

软件：

夏普；ProbLog（问题日志）；CP逻辑；亚萨特
PDF格式BibTeX公司 XML格式引用
\textit{D.Fierens}等人，《理论与实践》。日志。程序。15，第3号，358--401（2015；Zbl 1379.68062）
全文： 内政部 arXiv公司

参考文献：

[1] BryantR公司。E.1986年。布尔函数操作的基于图形的算法。IEEE计算机汇刊35，8（8月），677-691·兹比尔0593.94022
[2] 查维拉。，达尔维查。和JaegerM.2006。编译关系贝叶斯网络进行精确推理。国际近似推理杂志42，1，4-20.10.1016/j.ijar.2005.10.001·兹比尔1096.68747 ·doi:10.1016/j.ijar.2005.10.001
[3] DarwicheA.2001年。计数理论模型的可处理性及其在信念修正和真理维护中的应用。应用非经典逻辑杂志11，1-2，11-34.10.3166/jancl.11.11-34·兹比尔1033.03505 ·doi:10.3166/jancl.11.11-34
[4] DarwicheA.2004年。将CNF编译成可分解否定范式的新进展。第16届欧洲人工智能会议论文集。328-332.
[5] 达尔文2009年2月。贝叶斯网络建模与推理。剑桥大学出版社，英国剑桥，第12章·Zbl 1231.68003号
[6] 达尔维查。和MarquisP.2002。知识汇编图。《人工智能研究杂志》17，1（9月），229-264·Zbl 1045.68131号
[7] Denecker M.、BruynoogheM。和MarekV。2001年5月。重温逻辑编程：作为归纳定义的逻辑程序。ACM计算逻辑事务2，4，623-654.1145/383779.383789·Zbl 1365.68148号 ·doi:10.1145/383779.383789
[8] De RaedtL.2008年。逻辑和关系学习。认知技术。施普林格，纽约，纽约·Zbl 1203.68145号
[9] De RaedtL.公司。，FrasconiP.公司。，科斯廷K。和Muggleton S。，2008年版。概率归纳逻辑程序设计——理论与应用。LNCS，第4911卷。纽约州纽约州施普林格·Zbl 1132.68007号
[10] De RaedtL.公司。，Kimmig公司。和Toivonen H.2007。Problog：一种概率prolog及其在链路发现中的应用。第20届国际人工智能联合会议论文集。AAAI出版社，加利福尼亚州门罗公园，2468-2473。
[11] 多明戈斯。，科克斯。，低密度。，PoonH.、。，理查森。和SinglaP.2008。概率归纳逻辑编程——理论与应用，“马尔可夫逻辑”一章，计算机科学讲义。纽约州纽约州施普林格。
[12] FierensD公司。，范登·布勒克。，BruynoogheM。和De RaedtL.2012。概率逻辑编程的约束。《NIPS 2012年概率编程研讨会论文集：基础与应用》。
[13] FierensD公司。，范登·布勒克。，ThonI.、。，古特曼B。和De RaedtL.2011。使用加权CNF的概率逻辑程序中的推断。《第27届人工智能不确定性会议论文集》，美国俄勒冈州科瓦利斯AUAI出版社，211-220。
[14] GetoorL.和TaskarB.2007。统计关系学习导论（自适应计算和机器学习）。麻省理工学院出版社，马萨诸塞州剑桥·兹比尔1141.68054
[15] 国美电器公司。P.、霍夫曼J.、。，萨巴瓦拉。和SelmanB.2007。从采样到模型计数。第20届国际人工智能联合会议论文集。2293-2299.
[16] GrädelE.1992年。关于传递闭包逻辑。第五届计算机科学逻辑研讨会论文集。计算机科学讲义，第626卷。纽约州纽约市斯普林格，149-163·Zbl 0783.03012号
[17] 古特曼B。，Kimmig公司。，科斯廷K。和RaedtL.2008a。概率数据库中的参数学习：最小二乘法。《2008年欧洲数据库机器学习和知识发现会议记录》（ECML PKDD’08）——第一部分：施普林格-弗拉格，德国柏林，473-488。
[18] 古特曼B。，KimmigA公司。，科斯廷K。和RaedtL。D.2008b。概率数据库中的参数学习：最小二乘法。《欧洲数据库机器学习和知识发现会议论文集》，W.Daelemans、B.Goethals和K.Morik主编，《计算机科学讲义》，第5211卷。德国柏林施普林格，473-488。
[19] 古特曼B。，ThonI公司。和De RaedtL.2010。从解释中学习概率逻辑程序的参数。技术报告CW 584，KU Leuven。
[20] 古特曼B。，ThonI公司。和De RaedtL.2011。从解释中学习概率逻辑程序的参数。2008年欧洲数据库机器学习和知识发现会议记录（ECML/PKDD），第1部分。施普林格出版社，德国柏林，581-596。
[21] IshihataM.、。，卡梅亚。，佐藤。和MinatoS.2008。通过BDD提出EM算法。在第18届国际归纳逻辑编程会议的最新论文中。
[22] 2004年1月。用子句表示普通程序。第16届欧洲人工智能会议论文集。荷兰阿姆斯特丹IOS出版社，358-362。
[23] 科斯廷K。，De RaedtL公司。和KramerS.2000。解释贝叶斯逻辑程序。《AAAI-2000年从关系数据学习统计模型研讨会论文集》，AAAI出版社，29-35。
[24] Kimmig公司。，德梅森B。，De RaedtL.公司。，CostaV公司。S.和RochaR.2010。关于概率逻辑编程语言problog的实现。《逻辑编程系统的理论与实践》，第24届逻辑编程国际会议（ICLP 2008），专刊，第11卷，第235-262页，arXiv:CoRR abs/1006.4442·Zbl 1220.68037号
[25] 林夫。和ZhaoY.2002。阿萨特：由sat解算器计算逻辑程序的答案集。人工智能。S.Benferhat和E.Giunchiglia，Eds.Elsevier，112-117。
[26] 劳埃德J.1987。逻辑编程基础，第2版。德国柏林施普林格-弗拉格·Zbl 0668.68004号
[27] Mantadelis公司。2010年1月。概率设置专用表格。在第26届逻辑编程国际会议的技术交流中，M.Hermenegildo和T.Schaub，Eds.Dagstuhl Publishing，Saarbrücken/Wadern，Germany，124-133·Zbl 1237.68190号
[28] 会议。，斯特鲁伊夫J。和BlockeelH.2009。基于上下文变量消除的CP逻辑理论推理，并与基于BDD的推理方法进行比较。《第19届归纳逻辑编程国际会议论文集》，L.De Raedt，Ed.Elsevier，96-109·Zbl 1286.68421号
[29] 穆塞克。，麦克莱思。A.、BeckJ。C.和HsuE.2012。DSHARP：使用sharpSAT快速编译d-DNNF。在加拿大人工智能会议上，L.Kosseim和D.Inkpen Eds.Springer。
[30] ParkJ公司。D.2002年。使用加权MAX-SAT引擎求解MPE。《第18届全国人工智能会议论文集》，AAAI出版社，682-687。
[31] 池D.2008。概率归纳逻辑程序设计-理论与应用，第章：“独立选择逻辑及其以外”，计算机科学讲义。德国柏林施普林格。
[32] PoonH。和DomingosP.2006。可靠且有效的推理，具有概率和确定性依赖性。《第21届全国人工智能会议论文集》，AAAI出版社。
[33] 里古兹。和SwiftT.2013。分布语义下概率逻辑规划的良好定义和有效推理。逻辑编程的理论与实践，13，2，279-302.10.1017/S1471068411000664·Zbl 1267.68084号 ·doi:10.1017/S1471068411000664
[34] 罗伯逊。和西摩P.1986。图形子对象。二、。树宽的算法方面。《算法杂志》7，3，309-322.10.1016/0196-6774（86）90023-4·Zbl 0611.05017号 ·doi:10.1016/0196-6774（86）90023-4
[35] 桑特。，横梁P。和KautzH.2005。通过加权模型计数求解贝叶斯网络。《第20届全国人工智能会议论文集》，AAAI出版社，475-482。
[36] 1995年星期六。具有分布语义的逻辑程序的统计学习方法。第十二届逻辑程序设计国际会议（ICLP95）论文集。麻省理工学院出版社，马萨诸塞州剑桥，715-729。
[37] 佐藤。和KameyaY.2008。概率归纳逻辑编程——理论与应用，第章：“PRISM基于逻辑的概率建模的新进展”，计算机科学讲义。施普林格，德国柏林。
[38] 范登·布勒克。，ThonI.、。，范·奥特洛姆。和De RaedtL.2010。DTProbLog：决策论概率Prolog。《第二十四届AAAI人工智能会议论文集》，AAAI出版社，1217-1222。
[39] 范·盖尔德拉。，罗斯克。A.和SchlipfJ。S.1991年。通用逻辑程序的基础良好的语义。ACM38杂志，3，620-650·Zbl 0799.68045号
[40] 维尼肯斯J。，DeneckerM.和BruynoogheM.2009年。Cp-logic：一种因果概率事件及其与逻辑编程的关系的语言。逻辑程序设计的理论与实践9，3，245-308。CoRR绝对值/0904.1672.10.1017/S1471068409003767·Zbl 1179.68025号 ·doi:10.1017/S1471068409003767
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。