論文の概要: "Would life be more interesting if I were in AI?" Answering Counterfactuals based on Probabilistic Inductive Logic Programming

• arxiv url: http://arxiv.org/abs/2308.15883v1
• Date: Wed, 30 Aug 2023 09:03:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-31 14:02:49.850095
• Title: "Would life be more interesting if I were in AI?" Answering Counterfactuals based on Probabilistic Inductive Logic Programming
• Title（参考訳）: 「もし私がAIにいたら、人生はもっと面白くなるだろうか? 確率的帰納的論理プログラミングに基づく対物探索
• Authors: Kilian R\"uckschlo{\ss} (Ludwig-Maximilians Universit\"at), Felix Weitk\"amper (Ludwig-Maximilians Universit\"at)
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic logic programs are logic programs where some facts hold with a specified probability. Here, we investigate these programs with a causal framework that allows counterfactual queries. Learning the program structure from observational data is usually done through heuristic search relying on statistical tests. However, these statistical tests lack information about the causal mechanism generating the data, which makes it unfeasible to use the resulting programs for counterfactual reasoning. To address this, we propose a language fragment that allows reconstructing a program from its induced distribution. This further enables us to learn programs supporting counterfactual queries.
• Abstract（参考訳）: 確率論理プログラム(probabilistic logic program)は、ある事象が特定の確率を持つ論理プログラムである。 本稿では,これらのプログラムを,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検討する。 観測データからプログラム構造を学ぶは通常、統計テストに依存するヒューリスティック探索によって行われる。 しかし、これらの統計テストはデータを生成する因果メカニズムに関する情報を欠いているため、結果として得られるプログラムを偽りの推論に使うことは不可能である。 そこで本研究では,プログラムの誘導分布からプログラムを再構築できる言語フラグメントを提案する。 これにより、対物クエリをサポートするプログラムを学習することが可能になる。

関連論文リスト

• Fast Inference for Probabilistic Answer Set Programs via the Residual Program [0.18416014644193066]
  プログラムのいくつかの部分はクエリの確率に影響を与えず、グラウンドのサイズに影響を与えます。 本稿では,残余プログラムを利用した推論手法を提案する。 グラフデータセットの実証的な結果は、このアプローチがはるかに高速な推論につながることを示している。
  論文  参考訳（メタデータ） (2024-08-14T12:58:22Z)
• "What if?" in Probabilistic Logic Programming [2.9005223064604078]
  ProbLogプログラムは、特定の確率でのみ保持される事実を持つ論理プログラムである。 クエリに答えることによって、このProbLog言語を拡張します。
  論文  参考訳（メタデータ） (2023-05-24T16:35:24Z)
• 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)
• Fault-Aware Neural Code Rankers [64.41888054066861]
  サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。 我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2022-06-04T22:01:05Z)
• Program Analysis of Probabilistic Programs [3.299672391663527]
  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。
  論文  参考訳（メタデータ） (2022-04-14T10:40:54Z)
• SMProbLog: Stable Model Semantics in ProbLog and its Applications in Argumentation [17.71804768917815]
  SMProbLogは確率論理プログラミング言語ProbLogの一般化である。 本稿では,SMProbLogを用いて確率論的議論問題を解き明かす方法について述べる。
  論文  参考訳（メタデータ） (2021-10-05T12:29:22Z)
• 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)
• 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)
• Enforcing Consistency in Weakly Supervised Semantic Parsing [68.2211621631765]
  本稿では,関連する入力に対する出力プログラム間の整合性を利用して,スプリアスプログラムの影響を低減することを提案する。 より一貫性のあるフォーマリズムは、一貫性に基づくトレーニングを必要とせずに、モデルパフォーマンスを改善することにつながります。
  論文  参考訳（メタデータ） (2021-07-13T03:48:04Z)
• Online Learning Probabilistic Event Calculus Theories in Answer Set Programming [70.06301658267125]
  イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。 本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。 その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
  論文  参考訳（メタデータ） (2021-03-31T23:16:29Z)

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。