Fugu-MT 論文翻訳(概要): Declarative Probabilistic Logic Programming in Discrete-Continuous Domains

論文の概要: Declarative Probabilistic Logic Programming in Discrete-Continuous Domains

arxiv url: http://arxiv.org/abs/2302.10674v2
Date: Sun, 8 Sep 2024 16:20:03 GMT
ステータス: 処理完了
システム内更新日: 2024-09-11 06:18:42.485796
Title: Declarative Probabilistic Logic Programming in Discrete-Continuous Domains
Title（参考訳）: 離散連続領域における宣言的確率論的論理プログラミング
Authors: Pedro Zuidberg Dos Martires, Luc De Raedt, Angelika Kimmig,
Abstract要約: 我々は、ハイブリッドPLP言語DC-ProbLogとその推論エンジンである無限小代数的準重み付け(IALW)と共に測定セマンティクスに貢献する。 PLPの技術を3つの異なる側面(意味論、言語、推論)で一般化する。 IALWは知識コンパイルに基づくハイブリッド確率型プログラミングのための最初の推論アルゴリズムである。
参考スコア（独自算出の注目度）: 16.153683223016973
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Over the past three decades, the logic programming paradigm has been successfully expanded to support probabilistic modeling, inference and learning. The resulting paradigm of probabilistic logic programming (PLP) and its programming languages owes much of its success to a declarative semantics, the so-called distribution semantics. However, the distribution semantics is limited to discrete random variables only. While PLP has been extended in various ways for supporting hybrid, that is, mixed discrete and continuous random variables, we are still lacking a declarative semantics for hybrid PLP that not only generalizes the distribution semantics and the modeling language but also the standard inference algorithm that is based on knowledge compilation. We contribute the measure semantics together with the hybrid PLP language DC-ProbLog (where DC stands for distributional clauses) and its inference engine infinitesimal algebraic likelihood weighting (IALW). These have the original distribution semantics, standard PLP languages such as ProbLog, and standard inference engines for PLP based on knowledge compilation as special cases. Thus, we generalize the state of the art of PLP towards hybrid PLP in three different aspects: semantics, language and inference. Furthermore, IALW is the first inference algorithm for hybrid probabilistic programming based on knowledge compilation
Abstract（参考訳）: 過去30年にわたって、論理プログラミングパラダイムは、確率的モデリング、推論、学習をサポートするために、うまく拡張されてきた。確率論理プログラミング(PLP)とそのプログラミング言語のパラダイムは、その成功の大部分を宣言的意味論、いわゆる分散意味論に負っている。しかし、分布のセマンティクスは離散確率変数に限られる。 PLPは、ハイブリッドをサポートする様々な方法で拡張されているが、それでも、分散意味論とモデリング言語を一般化するだけでなく、知識コンパイルに基づく標準推論アルゴリズムであるハイブリッドPLPの宣言的意味論は欠落している。我々は,この測度セマンティクスを,ハイブリッド PLP 言語 DC-ProbLog (DC は分布節を表す) と推論エンジンの無限小代数的準重み付け (IALW) と共に貢献する。これらは、元々の分散セマンティクス、ProbLogのような標準PLP言語、特に知識コンパイルに基づくLPPの標準推論エンジンを含んでいる。そこで我々は, PLPの最先端を, セマンティクス, 言語, 推論の3つの面で, ハイブリッドPLPに一般化する。さらに、IALWは知識コンパイルに基づくハイブリッド確率型プログラミングのための最初の推論アルゴリズムである。

関連論文リスト

Semirings for Probabilistic and Neuro-Symbolic Logic Programming [15.747744148181829]
確率論的論理プログラミングの多くの拡張が、共通の代数論理プログラミングフレームワークにキャスト可能であることを示す。これはPLPのバリエーションそのものだけでなく、(代数的な)モデルカウントに基づく実行メカニズムにも当てはまります。
論文参考訳（メタデータ） (2024-02-21T13:06:52Z)
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)
$\omega$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)
Hybrid Probabilistic Logic Programming: Inference and Learning [1.14219428942199]
この論文は確率論的論理プログラミング(PLP)の進歩に焦点を当てており、不確実性の確率理論と関係性のための論理プログラミングを組み合わせたものである。最初のコントリビューションは、コンテクスト固有の非依存性を計算ゲインに活用する新しいサンプリングアルゴリズムであるCS-LWの導入である。次に、新しいハイブリッドPLPであるDC#が導入され、分散クロースとベイズ論理プログラムの構文を統合し、3種類の独立性を表す。スケーラブルな推論アルゴリズムFO-CS-LWがDC#で導入された。
論文参考訳（メタデータ） (2023-02-01T15:07:36Z)
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)
Differentially-Private Bayes Consistency [70.92545332158217]
差分プライバシー(DP)を満たすベイズ一貫した学習ルールを構築する。ほぼ最適なサンプル複雑性を持つ半教師付き環境で,任意のVCクラスをプライベートに学習できることを実証する。
論文参考訳（メタデータ） (2022-12-08T11:57:30Z)
Learning versus Refutation in Noninteractive Local Differential Privacy [133.80204506727526]
非対話的局所差分プライバシー(LDP)における2つの基本的な統計課題について検討する。本研究の主な成果は,非対話型LDPプロトコルにおけるPAC学習の複雑さの完全な評価である。
論文参考訳（メタデータ） (2022-10-26T03:19:24Z)
Matching Normalizing Flows and Probability Paths on Manifolds [57.95251557443005]
連続正規化フロー (Continuous Normalizing Flows, CNFs) は、常微分方程式(ODE)を解くことによって、先行分布をモデル分布に変換する生成モデルである。我々は,CNFが生成する確率密度パスと目標確率密度パスとの間に生じる新たな分岐系であるPPDを最小化して,CNFを訓練することを提案する。 PPDの最小化によって得られたCNFは、既存の低次元多様体のベンチマークにおいて、その可能性とサンプル品質が得られることを示す。
論文参考訳（メタデータ） (2022-07-11T08:50:19Z)
plingo: A system for probabilistic reasoning in clingo based on lpmln [2.7742922296398738]
様々な確率論的推論モードを備えたASPシステムクリンゴの拡張であるplingoを提案する。 Plingoは、Markov Logicの重みスキームに基づくASPの確率的拡張であるLPMLNを中心にしている。我々は、他の確率システムと比較することにより、プリンゴの性能を実証的に評価する。
論文参考訳（メタデータ） (2022-06-23T07:51:10Z)
First-Order Context-Specific Likelihood Weighting in Hybrid Probabilistic Logic Programs [24.503581751619787]
3種類の独立性は、ハイブリッドモデルにおけるスケーラブルな推論を表現し、活用するために重要である。本稿では,分散節の構文とベイズ論理プログラムのセマンティックス原理を統合したハイブリッド確率論理型言語DC#を提案する。また,DC#用のスケーラブル推論アルゴリズムFO-CS-LWについても紹介する。
論文参考訳（メタデータ） (2022-01-26T20:06:02Z)
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)

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。