論文の概要: Explanations as Programs in Probabilistic Logic Programming

• arxiv url: http://arxiv.org/abs/2210.03021v1
• Date: Thu, 6 Oct 2022 16:09:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 17:39:03.634709
• Title: Explanations as Programs in Probabilistic Logic Programming
• Title（参考訳）: 確率論理プログラミングにおけるプログラムとしての説明
• Authors: Germ\'an Vidal
• Abstract要約: 理解可能な説明の生成は、現代の人工知能システムに欠かせない特徴である。 本研究では,関係構造と不確実性を持つドメインをモデル化するのに有用な論理プログラミングの拡張である確率論的論理プログラミングについて考察する。 本稿では,複数の展開型変換によって与えられたクエリから生成されたプログラムとして説明が表現される新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The generation of comprehensible explanations is an essential feature of modern artificial intelligence systems. In this work, we consider probabilistic logic programming, an extension of logic programming which can be useful to model domains with relational structure and uncertainty. Essentially, a program specifies a probability distribution over possible worlds (i.e., sets of facts). The notion of explanation is typically associated with that of a world, so that one often looks for the most probable world as well as for the worlds where the query is true. Unfortunately, such explanations exhibit no causal structure. In particular, the chain of inferences required for a specific prediction (represented by a query) is not shown. In this paper, we propose a novel approach where explanations are represented as programs that are generated from a given query by a number of unfolding-like transformations. Here, the chain of inferences that proves a given query is made explicit. Furthermore, the generated explanations are minimal (i.e., contain no irrelevant information) and can be parameterized w.r.t. a specification of visible predicates, so that the user may hide uninteresting details from explanations.
• Abstract（参考訳）: 理解可能な説明の生成は、現代の人工知能システムに欠かせない特徴である。 本研究では,関係構造や不確実性を持つ領域をモデル化するのに有用な論理プログラミングの拡張である確率的論理プログラミングを考える。 本質的には、プログラムは可能な世界(つまり事実の集合)の確率分布を指定する。 説明の概念は、典型的には世界のそれと関連付けられるので、クエリーが真である世界と同様に、最も可能性の高い世界を探すことが多い。 残念ながら、このような説明は因果構造を示さない。 特に、特定の予測(クエリによって表される)に必要な推論の連鎖は示されていない。 本稿では,複数の展開様変換によって与えられた問合せから生成するプログラムとして説明を表現できる新しい手法を提案する。 ここで、与えられたクエリを証明する推論の連鎖は明示される。 さらに、生成された説明は最小限(すなわち、無関係な情報を含む)であり、可視的述語仕様をパラメータ化できるため、ユーザーは説明から興味のない詳細を隠すことができる。

関連論文リスト

• On the Representational Capacity of Neural Language Models with Chain-of-Thought Reasoning [87.73401758641089]
  CoT推論による現代言語モデル(LM)の性能向上 LMは弦上の分布の族を確率的チューリングマシンと同一に表現できることを示す。
  論文  参考訳（メタデータ） (2024-06-20T10:59:02Z)
• Explaining Explanations in Probabilistic Logic Programming [0.0]
  ほとんどのアプローチでは、システムはブラックボックスと見なされており、適切な説明を生成することは困難である。 確率論的論理プログラミング(PLP)は、知識表現のための論理プログラミングと不確実性をモデル化する確率を組み合わせたパラダイムである。 本稿では,証明に「選択表現」をラベル付けした PLP の新しいクエリ駆動推論機構の定義に基づく説明法を提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:27:37Z)
• "Would life be more interesting if I were in AI?" Answering Counterfactuals based on Probabilistic Inductive Logic Programming [0.0]
  本稿では,因果的クエリを許容する因果的フレームワークを用いて確率論的論理プログラムについて検討する。 観測データからプログラム構造を学習することは、統計検査に依存する探索によって行われるのが普通である。 本稿では,プログラムの帰納分布からプログラムを再構築する言語フラグメントを提案する。
  論文  参考訳（メタデータ） (2023-08-30T09:03:45Z)
• On the Independencies Hidden in the Structure of a Probabilistic Logic Program [0.0]
  非巡回基底論理プログラムにおけるd-セパレーションの条件依存性を計算する。 本稿では,ある条件付き独立文がプログラム構造によって暗示されるか否かを判断する,正しいメタ解釈手法を提案する。
  論文  参考訳（メタデータ） (2023-08-30T08:55:55Z)
• $\omega$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)
• MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
  複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。 推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。 この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
  論文  参考訳（メタデータ） (2022-10-22T16:01:13Z)
• 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)
• Aleatoric Description Logic for Probailistic Reasoning (Long Version) [0.2538209532048866]
  Aleatoric description logic(英語版)は、エージェントがこれらのサイコロのバイアスについて主観的な信念を持つサイコロのロールによって、世界のアレータリックな出来事として不確実性をモデル化する。 これは主観的なベイズの記述論理を提供し、命題と関係は合理的なエージェントが何を賭けるかに応じて確率が割り当てられる。 いくつかの計算問題を考慮し、モデルチェックと整合性チェックアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-30T07:47:36Z)
• Parameterized Explainer for Graph Neural Network [49.79917262156429]
  グラフニューラルネットワーク(GNN)のためのパラメータ化説明器PGExplainerを提案する。 既存の研究と比較すると、PGExplainerはより優れた一般化能力を持ち、インダクティブな設定で容易に利用することができる。 合成データセットと実生活データセットの両方の実験では、グラフ分類の説明に関するAUCの相対的な改善が24.7%まで高い競争性能を示した。
  論文  参考訳（メタデータ） (2020-11-09T17:15:03Z)
• Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
  確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。 我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。 まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2020-08-19T16:04:34Z)
• Adequate and fair explanations [12.33259114006129]
  我々は厳密な論理的基礎を持つ第2の正確な説明に焦点をあてる。 反事実的説明では、完全な説明を提供するために必要な仮定の多くは暗黙的に残されている。 局所的な部分的な説明から完全な局所的な説明へと、そしてグローバルな説明へと移行する方法を探求する。
  論文  参考訳（メタデータ） (2020-01-21T14:42:51Z)

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。