論文の概要: Solving Decision Theory Problems with Probabilistic Answer Set Programming
- arxiv url: http://arxiv.org/abs/2408.11371v1
- Date: Wed, 21 Aug 2024 06:44:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-22 18:09:27.483129
- Title: Solving Decision Theory Problems with Probabilistic Answer Set Programming
- Title(参考訳): 確率的解集合プログラミングによる決定理論問題の解法
- Authors: Damiano Azzolini, Elena Bellodi, Rafael Kiesel, Fabrizio Riguzzi,
- Abstract要約: 本稿では,確率的解答集合プログラミングを用いて決定論問題を符号化する可能性を紹介する。
我々のアルゴリズムは、プログラムの非自明なインスタンスを妥当な時間で管理できる。
- 参考スコア(独自算出の注目度): 1.4999444543328293
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Solving a decision theory problem usually involves finding the actions, among a set of possible ones, which optimize the expected reward, possibly accounting for the uncertainty of the environment. In this paper, we introduce the possibility to encode decision theory problems with Probabilistic Answer Set Programming under the credal semantics via decision atoms and utility attributes. To solve the task we propose an algorithm based on three layers of Algebraic Model Counting, that we test on several synthetic datasets against an algorithm that adopts answer set enumeration. Empirical results show that our algorithm can manage non trivial instances of programs in a reasonable amount of time. Under consideration in Theory and Practice of Logic Programming (TPLP).
- Abstract(参考訳): 決定論の問題を解決するには、通常、期待される報酬を最適化し、おそらく環境の不確実性を考慮する一連の行動を見つける必要がある。
本稿では,確率的アンサーセットプログラミングによる決定理論問題を,決定原子とユーティリティ属性を介し,クレダル意味論の下で符号化する可能性について紹介する。
この課題を解決するために,代数的モデルカウントの3つの層に基づくアルゴリズムを提案する。
実験の結果,本アルゴリズムはプログラムの非自明なインスタンスを妥当な時間で管理できることがわかった。
論理プログラミングの理論と実践(TPLP)
関連論文リスト
- Hypothesis-Driven Theory-of-Mind Reasoning for Large Language Models [76.6028674686018]
エージェントの精神状態を追跡するための推論時間推論アルゴリズムである思考トレースを導入する。
提案アルゴリズムは,ベイズ理論をモデルとした。
本研究は,様々なベンチマークにおける思考トレーシングを評価し,大幅な性能向上を実証した。
論文 参考訳(メタデータ) (2025-02-17T15:08:50Z) - Simple and Provable Scaling Laws for the Test-Time Compute of Large Language Models [70.07661254213181]
大規模言語モデルのテスト時間計算のための2つの原理的アルゴリズムを提案する。
理論的には、1つのアルゴリズムの故障確率は、そのテスト時間計算が大きくなるにつれて指数関数的に減衰する。
論文 参考訳(メタデータ) (2024-11-29T05:29:47Z) - Probabilistic Answer Set Programming with Discrete and Continuous Random Variables [0.18416014644193066]
Probabilistic Answer Set Programming (PASP)は、不確実な情報を表す確率的事実でAnswer Set Programmingを拡張します。
我々はHPASP(Hybrid Probabilistic Answer Set Programming)を提案する。
本稿では,予測された回答集合列挙と知識コンパイルに基づいて,2つの正確なアルゴリズムの性能を議論し,実装し,評価する。
論文 参考訳(メタデータ) (2024-09-30T13:24:42Z) - Symbolic Parameter Learning in Probabilistic Answer Set Programming [0.16385815610837165]
本稿では,確率的集合プログラミングの形式化を解くための2つのアルゴリズムを提案する。
第一に、オフザシェルフ制約最適化ソルバを用いてタスクを解く。
2つ目は期待最大化アルゴリズムの実装に基づいている。
論文 参考訳(メタデータ) (2024-08-16T13:32:47Z) - Generalization in portfolio-based algorithm selection [97.74604695303285]
ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。
ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
論文 参考訳(メタデータ) (2020-12-24T16:33:17Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳(メタデータ) (2020-09-28T15:22:24Z) - MAP Inference for Probabilistic Logic Programming [0.30586855806896046]
我々は最大A-Posteriori(MAP)推論タスクと最も確率的説明(MPE)タスクについて検討する。
本稿では,各問題を2値決定図として表現することで,これらの課題に対処する新しいアルゴリズムを提案する。
本稿では,アノテーション付き解離を認め,MAPおよびMPE推論を行うProbLogのバージョンと比較する。
論文 参考訳(メタデータ) (2020-08-04T08:10:51Z) - An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
データから制約をマイニングするための一般的なフレームワークを提案する。
特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。
提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
論文 参考訳(メタデータ) (2020-06-18T20:09:53Z) - Beyond Worst-Case Analysis in Stochastic Approximation: Moment
Estimation Improves Instance Complexity [58.70807593332932]
近似問題に対する勾配に基づく手法のオラクル複雑性について検討する。
最悪のケースの複雑さではなく、インスタンス依存の複雑さに焦点を当てます。
提案アルゴリズムとその解析はモーメント推定の成功を理論的に正当化する。
論文 参考訳(メタデータ) (2020-06-08T09:25:47Z) - Generating Random Logic Programs Using Constraint Programming [12.47276164048813]
本稿では,制約プログラミングを用いてランダムな論理プログラムを生成する手法を提案する。
モデルがパラメータ値とどのようにスケールするかを示し、そのモデルを用いて確率的推論アルゴリズムを様々な合成問題で比較する。
論文 参考訳(メタデータ) (2020-06-02T19:12:53Z) - Information-Theoretic Abstractions for Planning in Agents with
Computational Constraints [16.565205172451662]
本稿では,元空間の抽象化に関する問題を解くことで,環境内の経路計画問題を体系的に近似する方法を示す。
数値的な例を提示し, アプローチの有用性を示し, 理論的知見を裏付ける。
論文 参考訳(メタデータ) (2020-05-19T17:32:10Z)
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。