論文の概要: Probabilistic Deduction: an Approach to Probabilistic Structured
Argumentation
- arxiv url: http://arxiv.org/abs/2209.00210v1
- Date: Thu, 1 Sep 2022 03:58:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-09-02 13:51:09.203955
- Title: Probabilistic Deduction: an Approach to Probabilistic Structured
Argumentation
- Title（参考訳）: 確率的推論:確率的構造化議論へのアプローチ
- Authors: Xiuyi Fan
- Abstract要約: 確率的推論(英: Probabilistic Deduction、PD)は確率的構造的議論に対するアプローチである。
PDは確率論的推論と議論的推論を統一するフレームワークを提供する。
これは、結合分布が外部ソースとして仮定されない確率的構造化議論における最初の研究である。
- 参考スコア（独自算出の注目度）: 1.027974860479791
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces Probabilistic Deduction (PD) as an approach to
probabilistic structured argumentation. A PD framework is composed of
probabilistic rules (p-rules). As rules in classical structured argumentation
frameworks, p-rules form deduction systems. In addition, p-rules also represent
conditional probabilities that define joint probability distributions. With PD
frameworks, one performs probabilistic reasoning by solving Rule-Probabilistic
Satisfiability. At the same time, one can obtain an argumentative reading to
the probabilistic reasoning with arguments and attacks. In this work, we
introduce a probabilistic version of the Closed-World Assumption (P-CWA) and
prove that our probabilistic approach coincides with the complete extension in
classical argumentation under P-CWA and with maximum entropy reasoning. We
present several approaches to compute the joint probability distribution from
p-rules for achieving a practical proof theory for PD. PD provides a framework
to unify probabilistic reasoning with argumentative reasoning. This is the
first work in probabilistic structured argumentation where the joint
distribution is not assumed form external sources.
- Abstract（参考訳）: 本稿では確率的構造的議論へのアプローチとして確率的推論(PD)を紹介する。
PDフレームワークは確率規則(p-ルール)から構成される。
古典的な構造化議論フレームワークの規則として、p-ルールは推論系を形成する。
さらに、p-ルールは共役確率分布を定義する条件確率も表す。
PDフレームワークでは、ルール-確率的満足度を解くことによって確率論的推論を行う。
同時に、議論や攻撃を伴う確率論的推論に対する議論的読解を得ることができる。
本研究では、P-CWAの確率バージョンを導入し、P-CWAの下での古典的議論の完全拡張と最大エントロピー推論との確率的アプローチが一致することを示す。
PDの実用的証明理論を実現するために, p-rules からの結合確率分布を計算するためのいくつかの手法を提案する。
PDは確率論的推論と議論的推論を統一するフレームワークを提供する。
これは、結合分布が外部ソースとして仮定されない確率的構造化議論における最初の研究である。
関連論文リスト
- Decoherence and Probability [0.0]
非確率的な説明では、デコヒーレンスによる確率の出現は説得力がない。
我々の分析は、デコヒーレンスと半古典的平均化の組み合わせが古典的確率モデルを復元することを可能にする文脈を減らしている。
論文 参考訳（メタデータ） (2024-10-02T08:16:09Z) - Understanding ProbLog as Probabilistic Argumentation [0.0]
ProbLogは、ABA(Access-Based Argumentation)に基づく確率的抽象論(PAA)の一形態の例であることを示す。
接続は、代替のセマンティクスでProbLogを装備する道を開く。
論文 参考訳（メタデータ） (2023-08-30T09:05:32Z) - Connecting classical finite exchangeability to quantum theory [69.62715388742298]
交換性は確率論と統計学の基本的な概念である。
有限交換可能な列に対するデ・フィネッティのような表現定理は、量子論と正式に等価な数学的表現を必要とすることを示す。
論文 参考訳（メタデータ） (2023-06-06T17:15:19Z) - smProbLog: Stable Model Semantics in ProbLog for Probabilistic
Argumentation [19.46250467634934]
本稿では,確率論的論理プログラミング(PLP)のセマンティクスにおいて,確率論的議論フレームワークを表すプログラムが共通の仮定を満たさないことを示す。
第二の貢献は、確率的事実の選択が論理的原子の真理割り当てを一意に決定しないプログラムのための新しいPLP意味論である。
3つ目のコントリビューションは、このセマンティクスをサポートするPLPシステムの実装である。
論文 参考訳（メタデータ） (2023-04-03T10:59:25Z) - Machine Learning with Probabilistic Law Discovery: A Concise
Introduction [77.34726150561087]
Probabilistic Law Discovery (PLD) は、確率論的ルール学習の変種を実装した論理ベースの機械学習手法である。
PLDはDecision Tree/Random Forestメソッドに近いが、関連するルールの定義方法に大きく異なる。
本稿はPLDの主な原則を概説し、その利点と限界を強調し、いくつかのアプリケーションガイドラインを提供する。
論文 参考訳（メタデータ） (2022-12-22T17:40:13Z) - Probabilistic Conformal Prediction Using Conditional Random Samples [73.26753677005331]
PCPは、不連続な予測セットによって対象変数を推定する予測推論アルゴリズムである。
効率的で、明示的または暗黙的な条件生成モデルと互換性がある。
論文 参考訳（メタデータ） (2022-06-14T03:58:03Z) - A Logic-based Tractable Approximation of Probability [0.0]
我々は、命題確率関数が深さ有界なリーフ関数の階層によって近似できる条件を特定する。
確率の近似が不確実な推論につながることを示す。
論文 参考訳（メタデータ） (2022-05-06T13:25:12Z) - The intersection probability: betting with probability intervals [7.655239948659381]
本稿では,不確実性に対する幾何学的アプローチの枠組みにおいて,元来は信念関数に導かれる変換である交叉確率の利用を提案する。
本稿では,確率区間に関する意思決定の枠組みについて概説する。
論文 参考訳（メタデータ） (2022-01-05T17:35:06Z) - Logical Credal Networks [87.25387518070411]
本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。
本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
論文 参考訳（メタデータ） (2021-09-25T00:00:47Z) - PSD Representations for Effective Probability Models [117.35298398434628]
最近提案された非負関数に対する正半定値(PSD)モデルがこの目的に特に適していることを示す。
我々はPSDモデルの近似と一般化能力の両方を特徴付け、それらが強い理論的保証を享受していることを示す。
本研究では,PSDモデルの密度推定,決定理論,推論への応用への道を開く。
論文 参考訳（メタデータ） (2021-06-30T15:13:39Z) - Preferential Structures for Comparative Probabilistic Reasoning [2.0646127669654826]
優先的アプローチの自然な修正は確率論的アプローチと全く同じ論理体系をもたらすことを示す。
非単調論理学や信念修正の研究で用いられるのと同じ優先構造は、相対確率論的推論の研究で用いられる。
論文 参考訳（メタデータ） (2021-04-06T05:00:20Z) - Probabilistic Generating Circuits [50.98473654244851]
効率的な表現のための確率的生成回路(PGC)を提案する。
PGCは、非常に異なる既存モデルを統一する理論的なフレームワークであるだけでなく、現実的なデータをモデル化する大きな可能性も示している。
我々はPCとDPPの単純な組み合わせによって簡単に仮定されない単純なPGCのクラスを示し、一連の密度推定ベンチマークで競合性能を得る。
論文 参考訳（メタデータ） (2021-02-19T07:06:53Z) - Contextuality scenarios arising from networks of stochastic processes [68.8204255655161]
経験的モデルは、その分布が X 上の合同分布を極小化することができなければ文脈的と言える。
我々は、多くのプロセス間の相互作用という、文脈的経験的モデルの異なる古典的な源泉を示す。
長期にわたるネットワークの統計的挙動は、経験的モデルを一般的な文脈的かつ強い文脈的にする。
論文 参考訳（メタデータ） (2020-06-22T16:57:52Z)
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。