×

概率逻辑程序中的优化概率。 (英语) Zbl 1522.68097号

概要:概率逻辑编程是一种有效的形式主义,用于编码以不确定性为特征的问题。其中一些问题可能需要根据随机变量概率分布的约束优化概率值。这里,我们介绍了一类新的概率逻辑程序,即概率逻辑程序可优化的逻辑程序,我们提供了一种有效的算法来找到随机变量概率的最佳分配,从而满足一组约束并优化目标函数。

MSC公司:

68N17号 逻辑编程
68层37 人工智能背景下的不确定性推理
90立方厘米 随机规划
90 C90 数学规划的应用
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Antuori,V.和Richoux,F.2019。决策问题的不确定性约束优化:在实时策略游戏中的应用。2019年IEEE进化计算大会(CEC),458-465。
[2] Azzolini,D.、Riguzzi,F.和Lamma,E.2021。带有函数符号的混合概率逻辑程序的语义。人工智能294103452·Zbl 1519.68040号
[3] Azzolini,D.、Riguzzi,F.、Lamma,E.和Masotti,F.2019。概率逻辑规划MCMC抽样的比较。2019年11月19日至22日在意大利伦德举行的意大利人工智能协会第十八届会议记录(AI*IA 2019)中,Alviano,M.、Greco,G.和Scarcello,F.编辑的计算机科学讲稿。德国海德堡施普林格。
[4] Babaki,B.,Guns,T.和De Raedt,L.2017。带与或分枝定界的随机约束规划。《第二十六届国际人工智能联合会议论文集》,IJCAI-2017,539-545。
[5] Bellodi,E.和Riguzzi,F.2012。学习概率逻辑程序的结构。在第22届国际归纳逻辑编程会议上,Muggleton,S.,Tamaddoni-Nezhad,A.和Lisi,F.,Eds.计算机科学讲稿,第7207卷。施普林格-柏林-海德堡,61-75·Zbl 1379.68269号
[6] Bollig,B.和Wegener,I.1996。改进OBDD的变量顺序是NP完成的。IEEE计算机交易45,993-1002·兹比尔1048.68571
[7] Darwiche,A.和Marquis,P.2002。知识汇编图。《人工智能研究杂志》17,229-264·Zbl 1045.68131号
[8] De Raedt,L.、Frasconi,P.、Kersting,K.和Muggleton,S.,2008年版。概率归纳逻辑编程。LNCS,第4911卷。斯普林格·Zbl 1132.68007号
[9] De Raedt,L.、Kimmig,A.和Toivonen,H.2007。Problog:一种概率prolog及其在链路发现中的应用。在IJCAI中,M.M.Veloso,Ed.,2462-2467。
[10] Fierens,D.,Van Den Broeck,G.,Renkens,J.,Shterionov,D.S.,Gutmann,B.,Thon,I.,Janssens,G.和De Raedt,L.2015。使用加权布尔公式的概率逻辑程序中的推理和学习。逻辑程序设计的理论与实践15,3,358-401·Zbl 1379.68062号
[11] Gutmann,B.、Kimmig,A.、Kersting,K.和De Raedt,L.2008。概率数据库中的参数学习:最小二乘法。在欧洲机器学习和数据库知识发现原理与实践会议(ECMLPKDD 2008)上。计算机科学讲义,第5211卷。施普林格,473-488。
[12] Gutmann,B.,Thon,I.和De Raedt,L.2011。从解释中学习概率逻辑程序的参数。在欧洲机器学习和数据库知识发现原理与实践会议(ECMLPKDD 2011)上,Gunopulos,D.,Hofmann,T.,Malerba,D.,and Vazirgiannis,M.,Eds.计算机科学讲稿,第6911卷。施普林格,581-596·Zbl 1222.68010号
[13] Jiang,C.、Babar,J.、Ciardo,G.、Miner,A.S.和Smith,2017年2月。二元决策图中的变量重新排序。在第26届逻辑与合成国际研讨会上,1-8。
[14] Johnson,S.G.2020。nlopt非线性优化包。
[15] Kimmig,A.、Van Den Broeck,G.和De Raedt,L.2011。推理可能世界的代数序言。第二十五届AAAI人工智能会议论文集。第1卷。AAAI出版社,209-214。
[16] 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。麻省理工学院出版社,马萨诸塞州剑桥·Zbl 1183.68483号
[17] 卡夫,D.1994。算法733:用于优化控制计算的Tomp-Fortran模块。9月20日、3日,262-281·Zbl 0888.65079号
[18] Latour,A.L.D.、Babaki,B.、Dries,A.、Kimmig,A.、Van Den Broeck,G.和Nijssen,S.2017。结合随机约束优化和概率规划。《约束编程的原理与实践》,J.C.Beck,Ed.Springer International Publishing,Cham,495-511。
[19] Lombardi,M.和Milano,M.2010。条件任务图的分配和调度。人工智能174,7500-529·兹比尔1186.90054
[20] Meurer,A.、Smith,C.P.、Paprocki,M.、Chertík,O.、Kirpichev,S.B.、Rocklin,M.,Kumar,A.、Ivanov,S.、Moore,J.k.、Singh,S.,Rathnayake,T.、Vig,S.和Granger,B.E.、Muller,R.P.、Bonazzi,F.、Gupta,H.、Vats,S.西姆曼,R.和Scopatz,A.2017年。Sympy:python中的符号计算。PeerJ计算机科学3,e103。
[21] Orsini,F.、Frasconi,P.和De Raedt,2017年。kProbLog:机器学习的代数序言。机器学习106、12、1933-1969·Zbl 1457.68237号
[22] Riguzzi,F.2018。概率逻辑程序设计基础。River Publishers,丹麦基斯特鲁普·Zbl 1420.68003号
[23] Riguzzi,F.和Swift,T.2010。带注释析取的逻辑程序推理的表格和答案包含。在第26届逻辑编程国际会议(ICLP 2010)的技术通信中。LIPIcs,第7卷。达格斯图尔城堡,162-171年·Zbl 1237.68049号
[24] Rossi,R.A.和Ahmed,N.K.2015。具有交互式图形分析和可视化功能的网络数据存储库。在AAAI。
[25] 佐藤,T.1995。具有分布语义的逻辑程序的统计学习方法。《逻辑编程》,第十二届逻辑编程国际会议论文集,L.Sterling主编,麻省理工学院出版社,715-729。
[26] 佐藤,T.和卡梅亚,2001年。符号统计建模逻辑程序的参数学习。《人工智能研究杂志》15,391-454·Zbl 0994.68025号
[27] Somenzi,F.2015。CUDD:CU决策图包3.0.0版。科罗拉多大学。
[28] Svanberg,K.2002。一类基于保守凸可分逼近的全局收敛优化方法。SIAM优化杂志,555-573·Zbl 1035.90088号
[29] Van Den Broeck,G.,Thon,I.,Van Otterlo,M.和De Raedt,L.2010。DTProbLog:决策论概率Prolog。《第二十四届AAAI人工智能会议论文集》,Fox,M.和Poole,D.编辑,AAAI出版社,1217-1222。
[30] Vennekens,J.、Verbaeten,S.和Bruynooghe,M.2004。带注释析取的逻辑程序。在第20届逻辑编程国际会议(ICLP 2004)上,Demoen,B.和Lifschitz,V.,Eds.计算机科学讲义,第3131卷。施普林格,431-445·Zbl 1104.68391号
[31] 沃尔什,T.2002。随机约束规划。第十五届欧洲人工智能会议记录111-115。
[32] Wielemaker,J.、Schrijvers,T.、Triska,M.和Lager,T.2012。SWI-预测。逻辑程序设计的理论与实践12,1-2,67-96·Zbl 1244.68023号
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。