論文の概要: Program Analysis of Probabilistic Programs

• arxiv url: http://arxiv.org/abs/2204.06868v1
• Date: Thu, 14 Apr 2022 10:40:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-15 20:59:56.721801
• Title: Program Analysis of Probabilistic Programs
• Title（参考訳）: 確率的プログラムのプログラム解析
• Authors: Maria I. Gorinova
• Abstract要約: プログラム解析を用いて確率的プログラミングを改善するための3つの新しい手法を提案する。 このテクニックは確率的プログラムを分析し、推論をより効率的にするためにそれを適用する。
• 参考スコア（独自算出の注目度）: 3.299672391663527
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic programming is a growing area that strives to make statistical analysis more accessible, by separating probabilistic modelling from probabilistic inference. In practice this decoupling is difficult. No single inference algorithm can be used as a probabilistic programming back-end that is simultaneously reliable, efficient, black-box, and general. Probabilistic programming languages often choose a single algorithm to apply to a given problem, thus inheriting its limitations. While substantial work has been done both to formalise probabilistic programming and to improve efficiency of inference, there has been little work that makes use of the available program structure, by formally analysing it, to better utilise the underlying inference algorithm. This dissertation presents three novel techniques (both static and dynamic), which aim to improve probabilistic programming using program analysis. The techniques analyse a probabilistic program and adapt it to make inference more efficient, sometimes in a way that would have been tedious or impossible to do by hand.
• Abstract（参考訳）: 確率的プログラミング(probabilistic programming)は、確率的モデリングと確率的推論を分離することで、統計解析をより使いやすくする分野である。 実際にはこの切り離しは難しい。 単一の推論アルゴリズムを、信頼性、効率性、ブラックボックス、一般的な確率的プログラミングバックエンドとして使用することはできない。 確率型プログラミング言語は、与えられた問題に適用する1つのアルゴリズムを選択し、その制限を継承する。 確率的プログラミングの形式化と推論の効率向上の両面でかなりの作業が行われているが、その基礎となる推論アルゴリズムをよりよく活用するために、プログラム構造を形式的に解析することで、利用可能なプログラム構造を利用する作業は少ない。 この論文は,プログラム解析を用いて確率的プログラミングを改善することを目的とした3つの新しい手法(静的および動的)を提示する。 このテクニックは確率的プログラムを分析し、推論をより効率的にするためにそれを適用する。

関連論文リスト

• $\omega$PAP Spaces: Reasoning Denotationally About Higher-Order, Recursive Probabilistic and Differentiable Programs [64.25762042361839]
  $omega$PAP 空間は表現的微分可能および確率的プログラミング言語についての推論のための空間である。 我々の意味論は、最も実践的な確率的で微分可能なプログラムに意味を割り当てるのに十分である。 確率プログラムのトレース密度関数のほぼすべての微分可能性を確立する。
  論文  参考訳（メタデータ） (2023-02-21T12:50:05Z)
• An Application of a Multivariate Estimation of Distribution Algorithm to Cancer Chemotherapy [59.40521061783166]
  癌に対する化学療法治療は、多数の相互作用する変数と制約を持つ複雑な最適化問題である。 より洗練されたアルゴリズムは、このような複雑な問題に対してより良いパフォーマンスをもたらすことが示される。 我々は、この問題における多数の相互作用によって、より洗練されたアルゴリズムが妨げられていることが原因であると仮定する。
  論文  参考訳（メタデータ） (2022-05-17T15:28:46Z)
• Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
  非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。 我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。 これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-21T13:18:11Z)
• flip-hoisting: Exploiting Repeated Parameters in Discrete Probabilistic Programs [25.320181572646135]
  本稿では、離散確率的プログラムにおいて繰り返しパラメータを分解し、推論性能を向上させるプログラム解析とそれに伴う最適化について述べる。 既存の確率型プログラミング言語でフリップホスティングを実装し,推論性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-10-19T22:04:26Z)
• Searching for More Efficient Dynamic Programs [61.79535031840558]
  本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。 実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
  論文  参考訳（メタデータ） (2021-09-14T20:52:55Z)
• Probabilistic Gradient Boosting Machines for Large-Scale Probabilistic Regression [51.770998056563094]
  PGBM(Probabilistic Gradient Boosting Machines)は、確率的予測を生成する手法である。 既存の最先端手法と比較してPGBMの利点を実証的に示す。
  論文  参考訳（メタデータ） (2021-06-03T08:32:13Z)
• Efficient semidefinite-programming-based inference for binary and multi-class MRFs [83.09715052229782]
  分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。 一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
  論文  参考訳（メタデータ） (2020-12-04T15:36:29Z)
• Transforming Probabilistic Programs for Model Checking [0.0]
  確率的プログラムに静的解析を適用し、2つの重要なモデル検査手法の大部分を自動化する。 本手法は,密度関数を指定する確率的プログラムを,効率的なフォワードサンプリング形式に変換する。 本稿では,一般的なStan確率型プログラミング言語を対象とする実装を提案する。
  論文  参考訳（メタデータ） (2020-08-21T21:06:34Z)
• Generating Random Logic Programs Using Constraint Programming [12.47276164048813]
  本稿では,制約プログラミングを用いてランダムな論理プログラムを生成する手法を提案する。 モデルがパラメータ値とどのようにスケールするかを示し、そのモデルを用いて確率的推論アルゴリズムを様々な合成問題で比較する。
  論文  参考訳（メタデータ） (2020-06-02T19:12:53Z)
• Stochastically Differentiable Probabilistic Programs [18.971852464650144]
  離散確率変数の存在は、多くの基本的な勾配に基づく推論エンジンを禁止している。 我々はマルコフ・チェイン・モンテカルロのアルゴリズム群を用いて,このようなプログラムにおいて推論を効率的かつ堅牢に実行するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-03-02T08:04:41Z)
• Stochastic Probabilistic Programs [1.90365714903665]
  本稿では,確率的プログラムの概念を導入し,プログラムの仕様と推論を支援する確率的プログラミング施設のリファレンス実装を提案する。 確率プログラムのいくつかの例を示し、モデル仕様と推論の観点から、決定論的確率プログラムと対応する決定論的確率プログラムを比較した。
  論文  参考訳（メタデータ） (2020-01-08T17:54:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。