論文の概要: Semirings for Probabilistic and Neuro-Symbolic Logic Programming

• arxiv url: http://arxiv.org/abs/2402.13782v1
• Date: Wed, 21 Feb 2024 13:06:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-22 15:18:18.641665
• Title: Semirings for Probabilistic and Neuro-Symbolic Logic Programming
• Title（参考訳）: 確率的およびニューロシンボリック論理プログラミングのためのセミリング
• Authors: Vincent Derkinderen, Robin Manhaeve, Pedro Zuidberg Dos Martires, Luc De Raedt
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 15.747744148181829
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The field of probabilistic logic programming (PLP) focuses on integrating probabilistic models into programming languages based on logic. Over the past 30 years, numerous languages and frameworks have been developed for modeling, inference and learning in probabilistic logic programs. While originally PLP focused on discrete probability, more recent approaches have incorporated continuous distributions as well as neural networks, effectively yielding neural-symbolic methods. We provide a unified algebraic perspective on PLP, showing that many if not most of the extensions of PLP can be cast within a common algebraic logic programming framework, in which facts are labeled with elements of a semiring and disjunction and conjunction are replaced by addition and multiplication. This does not only hold for the PLP variations itself but also for the underlying execution mechanism that is based on (algebraic) model counting.
• Abstract（参考訳）: 確率的論理プログラミング(plp)の分野は、確率的モデルを論理に基づくプログラミング言語に統合することに焦点を当てている。 過去30年間、確率論理プログラムのモデリング、推論、学習のために多くの言語とフレームワークが開発されてきた。 もともとplpは離散確率に焦点を当てていたが、より最近のアプローチでは連続分布とニューラルネットワークが組み込まれており、効果的にニューラルシンボリックな手法を生み出している。 PLPに統一的な代数的視点を与え、PLPの拡張のほとんどでないものの多くは共通代数論理プログラミングフレームワークにキャストされ、事実は半順序と解離の要素でラベル付けされ、結合は加算と乗法に置き換えられることを示す。 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。

関連論文リスト

• dPASP: A Comprehensive Differentiable Probabilistic Answer Set Programming Environment For Neurosymbolic Learning and Reasoning [0.0]
  本稿では,ニューロシンボリック推論のための新しい宣言型論理プログラミングフレームワークdPASPを提案する。 非決定論的・矛盾的・不完全・統計的知識を表現できる確率論的論理プログラムのセマンティクスについて論じる。 次に、いくつかのサンプルプログラムとともに、言語での推論と学習をサポートする実装されたパッケージについて説明する。
  論文  参考訳（メタデータ） (2023-08-05T19:36:58Z)
• Scalable Neural-Probabilistic Answer Set Programming [18.136093815001423]
  本稿では、NPP(Neural-Probabilistic Predicates)と解集合プログラミング(ASP)を介して統合された論理プログラムからなる新しいDPPLであるSLASHを紹介する。 予測性能を犠牲にすることなく、推論を高速化し、(地上)プログラムの無意味な部分を抜粋する方法を示す。 我々は、MNIST追加のベンチマークタスクやVQA(Visual Question Answering)など、様々なタスクでSLASHを評価する。
  論文  参考訳（メタデータ） (2023-06-14T09:45:29Z)
• 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)
• Declarative Probabilistic Logic Programming in Discrete-Continuous Domains [16.153683223016973]
  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。
  論文  参考訳（メタデータ） (2023-02-21T13:50:38Z)
• 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)
• Join-Chain Network: A Logical Reasoning View of the Multi-head Attention in Transformer [59.73454783958702]
  本稿では,多くの結合演算子を連結して出力論理式をモデル化するシンボリック推論アーキテクチャを提案する。 特に,このような結合鎖のアンサンブルが'ツリー構造'の1次論理式であるFOETの広い部分集合を表現できることを実証する。 変圧器における多頭部自己保持モジュールは,確率的述語空間における結合作用素の結合境界を実装する特別なニューラル演算子として理解することができる。
  論文  参考訳（メタデータ） (2022-10-06T07:39:58Z)
• Semantic Probabilistic Layers for Neuro-Symbolic Learning [83.25785999205932]
  我々は構造化出力予測(SOP)のための予測層を設計する。 予測が事前に定義されたシンボリック制約のセットと一致していることを保証するため、任意のニューラルネットワークにプラグインすることができる。 我々のセマンティック確率層(SPL)は、構造化された出力空間上で複雑な相関や制約をモデル化することができる。
  論文  参考訳（メタデータ） (2022-06-01T12:02:38Z)
• 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)
• 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)
• 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)
• Predictive Coding Approximates Backprop along Arbitrary Computation Graphs [68.8204255655161]
  我々は、コア機械学習アーキテクチャを予測的符号化に翻訳する戦略を開発する。 私たちのモデルは、挑戦的な機械学習ベンチマークのバックプロップと同等に機能します。 本手法は,ニューラルネットワークに標準機械学習アルゴリズムを直接実装できる可能性を高める。
  論文  参考訳（メタデータ） (2020-06-07T15:35:47Z)

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。