×
拉尔夫·阿布德;塞兰、伊斯梅尔·伊尔坎;拉多斯拉夫·迪米特洛夫

DNF结构上的近似加权模型集成。 （英语） Zbl 07596155号

Artif公司。智力。 311，文章ID 103753，25 p.（2022）.
总结：加权模型计数包括计算命题公式的所有满足赋值的加权和。加权模型计数众所周知#P（P）-很难精确求解，但当限制于DNF结构时，允许使用完全多项式随机近似方案。在这项工作中，我们研究加权模型集成，加权模型计数的推广，除了命题变量外，还涉及实际变量，并提出以下问题：加权模型集成地下城与勇士结构允许完全多项式随机逼近方案？基于近似加权模型计数和近似体积计算的经典结果，我们表明加权模型积分地下城与勇士结构确实可以近似为一类权重函数。我们的近似算法基于三个子程序，每个子程序都可以是虚弱的（即近似值），或坚强的（即，精确）oracle，在所有情况下，都有准确性保证。我们通过实验验证了随机生成的方法地下城与勇士实例的大小不同，并表明我们的算法可以扩展到大型问题实例，涉及多达1K个变量，这些变量目前是现有的通用加权模型集成求解器无法处理的。

MSC公司：

68泰克 人工智能

关键词：

加权模型集成;加权模型计数;近似值;概率推理

软件：

探测日志
PDF格式BibTeX公司 XML格式引用
\textit{R.Abboud}等人，Artif。智力。311，文章ID 103753，25 p.（2022；Zbl 07596155）
全文： 内政部 arXiv公司

参考文献：

[1] 戈麦斯，C.P。；Sabharwal，A。；Selman，B.，模型计算，（《可满足性手册》（2009），IOS出版社），633-654
[2] 科勒，D。；弗里德曼，N.，《概率图形模型：原理和技术》（2009），麻省理工学院出版社·Zbl 1183.68483号
[3] 多姆什拉克，C。；霍夫曼，J.，《通过启发式前向搜索和加权模型计数的概率规划》，J.Artif。智力。Res.，30，1565-620（2007年）·Zbl 1182.68235号
[4] De Raedt，L。；Kimmig，A。；Toivonen，H.，ProbLog:概率序言及其在链路发现中的应用，（第二十届国际人工智能联合会议（IJCAI）会议记录（2007）），2462-2467
[5] 苏秋（D.Suciu）。；奥尔特阿努，D。；Ré，C。；Koch，C.，概率数据库（2011），摩根&克莱普尔·Zbl 1237.68012号
[6] 博格沃德，S。；伊利诺伊州塞兰。；Lukasiewicz，T.，概率数据库的Ontology-mediated查询，（第三十一届AAAI人工智能会议论文集（2017）），1063-1069
[7] 贝勒，V。；Passerini，A。；Van Den Broeck，G.，通过加权模型集成在混合域中进行概率推理，（第二十四届国际人工智能联合会议（IJCAI）论文集（2015）），2770-2776
[8] Morettin，P。；Passerini，A。；Sebastiani，R.，加权模型集成的高级SMT技术，Artif。智力。J.，275，1-27（2019）·Zbl 1478.68328号
[9] 巴雷特，C。；塞巴斯蒂亚尼，R。；Seshia，S。；Tinelli，C.，可满足性模理论，（人工智能与应用前沿，第185卷（2009），IOS出版社），825-885，Ch.20
[10] Pearl，J.，《智能系统中的概率推理：似然推理网络》（1988），摩根考夫曼出版社：摩根考夫文出版社，美国加利福尼亚州旧金山
[11] 桑·T。；Bearne，P。；Kautz，H.，通过加权模型计数进行贝叶斯推理，（第二十届人工智能大会论文集（AAAI）（2005）），475-482
[12] 查维拉，M。；Darwiche，A.，《通过加权模型计数进行概率推断》，Artif。整数。，172, 6, 772-799 (2008) ·Zbl 1182.68297号
[13] Valiant，L.G.，计算永久性的复杂性，Theor。计算。科学。，8, 2, 189-201 (1979) ·Zbl 0415.68008号
[14] 卡普·R·M。；鲁比，M。；Madras，N.，枚举问题的蒙特卡罗近似算法，J.algorithms，10，3，429-448（1989）·Zbl 0678.65001号
[15] Roth，D.，《关于近似推理的难度》，Artif。智力。J.，82，1-2，273-302（1996）·Zbl 1506.68143号
[16] 布林曼，K。；Friedrich，T.，《近似高维几何对象的并集和交集体积》，计算。地理。，43, 6-7, 601-610 (2010) ·兹比尔1206.65072
[17] Luby，M.G.，估算系统可靠性的蒙特卡罗方法（1983），加州大学伯克利分校博士论文
[18] 陈，M。；Schmeiser，B.W.，《用于评估多维积分的通用点击运行蒙特卡罗采样》，Oper。Res.Lett.公司。，19, 4, 161-169 (1996) ·Zbl 0912.65011号
[19] Abboud，R。；伊利诺伊州塞兰。；Dimitrov，R.，《关于DNF结构上加权模型集成的逼近性》，（《第17届知识表示和推理原则国际会议论文集》，KR 2020（2020），AAAI出版社），828-837
[20] 马蒂尔斯，P。；德里斯，A。；De Raedt，L.，使用知识汇编与概率密度函数进行精确和近似加权模型集成，（第三十三届AAAI人工智能会议论文集（2019）），7825-7833
[21] Lovász，L。；Vempala，S.S.，凸体中的模拟退火和体积算法，J.Compute。系统。科学。，72, 2, 392-417 (2006) ·Zbl 1090.68112号
[22] 巴拉尼，我。；Füredi，Z。，计算体积是困难的，离散计算。地理。，2, 319-326 (1987) ·Zbl 0628.68041号
[23] Applegate，D.L。；Kannan，R.，《近对数压缩函数的采样和积分》，（第二十三届ACM计算理论年会论文集（1991）），156-163
[24] Kannan，R。；Lovász，L。；Simonovits，M.，凸体的随机游动和体积算法，随机结构。算法，11，1，1-50（1997）·兹比尔0895.60075
[25] 李，Y.T。；Vempala，S.S.，《多面体中的测地线行走》，（第四十九届ACM计算理论年会论文集（2017）），927-940·Zbl 1370.90146号
[26] Chakraborty，S。；Fremont，D.J。；Meel，K.S。；Seshia，S.A。；Vardi，M.Y.，SAT的分布感知抽样和加权模型计数，（第二十届AAAI人工智能会议论文集（2014）），1722-1730
[27] Abboud，R。；伊利诺伊州塞兰。；Lukasiewicz，T.，《学习推理：利用神经网络进行DNF近似计数》（《第三十四届AAAI人工智能会议论文集（2020）》），3097-3104
[28] V.Baldoni，N.Berline，J.A.De Loera，B.Dutra，M.Köppe，S.Moreinis，G.Pinto，M.Vergne，J.Wu，LattE积分用户指南v1.7.2，优化22（2）。
[29] 埃米利斯，I.Z。；Fisikopoulos，V.，实用多面体体积近似，ACM Trans。数学。软质。，44, 4, 38:1-38:21 (2018) ·Zbl 1484.65042号
[30] Lovász，L。；Vempala，S.，Where to start a geometric random walk（2003），微软研究院技术代表。
[31] 科尔布，S。；Mladenov，M。；桑纳，S。；贝勒，V。；Kersting，K.，《概率推理的有效符号集成》，第二十七届国际人工智能联合会议（IJCAI）（2018），5031-5037
[32] 科尔布，S。；Morettin，P。；Zuidberg Dos Martires，P。；Sommavilla，F。；Passerini，A。；塞巴斯蒂亚尼，R。；De Raedt，L.，《使用加权模型集成进行概率推理的pywmi框架和工具箱》，（第二十届国际人工智能联合会议（IJCAI）（2019年），6530-6532
[33] 理查森，M。；多明戈斯，P.，马尔可夫逻辑网络，马赫。学习。，62, 1, 107-136 (2006) ·Zbl 1470.68221号
[34] 费伦斯，D。；Van Den Broeck，G。；伦肯斯，J。；Shterionov，D。；Gutmann，B。；Thon，I。；詹森，G。；De Raedt，L.，《使用加权布尔公式的概率逻辑程序中的推理和学习》，理论与实践。日志。程序。，15358-401（2015年）·Zbl 1379.68062号
[35] 戈盖特，V。；Domingos，P.，概率定理证明，Commun。ACM，59，7，107-115（2016）
[36] Wang，J。；多明戈斯，P.，混合马尔可夫逻辑网络，（第二十三届人工智能会议论文集（2008）），1106-1111
[37] 戈盖特，V。；Dechter，R.，《离散约束混合贝叶斯网络的近似推理算法》，（第二十届第一届人工智能不确定性会议论文集（2005）），209-216
[38] 桑纳，S。；Abbas Nejad，E.，离散和连续图形模型的符号变量消除，（第二十六届AAAI人工智能会议论文集（2012）），1954-1960
[39] Morettin，P。；Zuidberg Dos Martires，P。；科尔布，S。；Passerini，A.，《逻辑和代数约束下的混合概率推理：一项调查》（第三十届国际人工智能联合会议（IJCAI）论文集，2021年）
[40] Toda，S.，《关于PP和+P的计算能力》，（第三十届计算机科学基础年会论文集（1989）），514-519
[41] Provan，J.S。；Ball，M.O.，计算割数和计算图连接概率的复杂性，SIAM J.Comput。，12, 4, 777-788 (1983) ·Zbl 0524.68041号
[42] 曾，Z。；Morettin，P。；Yan，F。；Vergari，A。；den Broeck，G.V.，《带代数约束的概率推理：理论极限和实用近似》，（Larochelle，H.；Ranzato，M.；Hadsell，R.；Balcan，M.，Lin，H..，《第三十三届神经信息处理系统进展年会论文集》（NeurIPS）（2020）），11564-11575
[43] Merrell，D。；Albarghouthi，A。；D’Antoni，L.，带正交变换的加权模型集成，（第二十六届国际人工智能联合会议论文集（2017）），4610-4616
[44] Chakraborty，S。；Meel，K.S。；Vardi，M.Y.，可缩放近似模型计数器，（第十九届约束编程原理与实践国际会议论文集（2013）），200-216
[45] 贝勒，V。；den Broeck，G.V。；Passerini，A.，混合域中基于Hashing的近似概率推理，（第三十一届人工智能不确定性会议论文集（2015）），141-150
[46] 奇斯蒂科夫，D。；Dimitrova，R。；Majumdar，R.，《SMT中的近似计数和概率程序的值估计》，《信息学报》。，54, 8, 729-764 (2017) ·Zbl 1380.68117号
[47] Jerrum，M.R。；Valiant，L.G.公司。；Vazirani，V.V.，从均匀分布随机生成组合结构，Theor。计算。科学。，43, 2-3, 169-188 (1986) ·Zbl 0597.68056号
[48] 伊利诺伊州塞兰。；Darwiche，A。；Van den Broeck，G.，《开放世界概率数据库：语义、算法、复杂性》，Artif。整数。，295，第103474条pp.（2021）·Zbl 1519.68068号
[49] 博格沃德，S。；伊利诺伊州塞兰。；Lukasiewicz，T.，基于对数线性概率数据的Ontology-mediated查询应答，（第33届全国人工智能会议论文集（2019），AAAI出版社），2711-2718
[50] Meel，K.S。；Shrotri，A.A。；Vardi，M.Y.，《基于散列的近似DNF计数方法》，（第三十七届IARCS软件技术与理论计算机科学基础年会论文集（2017）），41:1-41:14·兹比尔1491.68193
[51] Jampani，R。；徐，F。；吴，M。；佩雷斯，L.L。；杰梅因，C。；Haas，P.J.，MCDB：管理不确定数据的蒙特卡罗方法，（ACM SIGMOD国际数据管理会议（SIGMOD）（2008）会议记录），687-700
[52] O.肯尼迪。；Koch，C.，《PIP:大期望和小期望的数据库系统》，（第二十六届国际数据工程会议（ICDE）（2010）），157-168
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。