論文の概要: From probability to causality in probabilistic logic programming
- arxiv url: http://arxiv.org/abs/2608.07230v1
- Date: Fri, 07 Aug 2026 13:46:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.523686
- Title: From probability to causality in probabilistic logic programming
- Title（参考訳）: 確率論的論理プログラミングにおける確率から因果性へ
- Abstract要約: 確率論理プログラミングは、システム外部からの介入を含む因果クエリをサポートする。
データから確率論理プログラムの構造が学習されると、確率情報のみを使用する。
これは介入推論の曖昧さをもたらし、因果順序が分布によって一意に決定されるかどうかという疑問を提起する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Probabilistic logic programming is a formalism of statistical relational artificial intelligence that supports causal queries, including interventions from outside the system. When the structure of a probabilistic logic program is learned from data, however, only probabilistic information is used, and a single probability distribution may be compatible with several causal orders. This leads to ambiguity in interventional reasoning, raising the question of when the causal order is uniquely determined by the distribution. Exploiting the relationship between acyclic probabilistic logic programs and Bayesian networks, we derive conditions under which the probabilistic information encoded in a program determines a unique causal order. We also incorporate constraints arising from relational structure by taking into account prescribed sets of causal symmetries induced by the underlying relational vocabulary. The result is a method for verifying when a learned probabilistic logic program supports well-defined intervention semantics.
- Abstract（参考訳）: 確率論的論理プログラミング(英: Probabilistic logic programming)は、統計リレーショナル人工知能の形式主義であり、システム外部からの介入を含む因果クエリをサポートする。
しかし、確率論的論理プログラムの構造がデータから学習されると、確率的情報のみを使用し、単一の確率分布は複数の因果順序と互換性がある。
これは介入推論の曖昧さをもたらし、因果順序が分布によって一意に決定されるかどうかという疑問を提起する。
非循環確率論理プログラムとベイズネットワークの関係を探索し、プログラムに符号化された確率情報がユニークな因果順序を決定する条件を導出する。
また、基礎となる関係語彙によって引き起こされる因果対称性の所定のセットを考慮することにより、関係構造から生じる制約も考慮する。
その結果、学習した確率論的論理プログラムが適切に定義された介入セマンティクスをサポートするときの検証方法が得られた。
関連論文リスト
- How to Verify Consistency of Probabilistic Claims [49.47758039235095]
予測モデルの一貫性を証明するために,対話型PCPを構築する。
添加音の小さなギャップがBへの依存を除去することを示す。
我々は,対話型PCPを,自身の一貫性を証明するための予測モデルに向けた第一歩だと考えている。
論文 参考訳（メタデータ） (2026-08-11T17:41:39Z) - How Rules Represent Causal Knowledge: Causal Modeling with Probabilistic Logic Programming [0.0]
本稿では、確率論理プログラミング(PLP)における因果性へのパールのアプローチについて述べる。
これらのプログラムの形式的因果意味論は、介入の概念や実装とともに提案される。
論文 参考訳（メタデータ） (2026-07-23T11:21:39Z) - Algorithmic causal structure emerging through compression [53.52699766206808]
因果関係,対称性,圧縮の関係について検討する。
我々は、学習と圧縮の既知の関係を因果モデルが識別できないような環境に構築し、一般化する。
我々はアルゴリズム因果関係を因果関係の代替的定義として定義する。
論文 参考訳（メタデータ） (2025-02-06T16:50:57Z) - 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) - Modeling Hierarchical Reasoning Chains by Linking Discourse Units and
Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。
具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文 参考訳（メタデータ） (2023-06-21T07:34:27Z) - "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) - 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) - An asymptotic analysis of probabilistic logic programming with
implications for expressing projective families of distributions [0.0]
分布意味論に基づく全ての確率論理プログラムは確率論理プログラムと関係論的に等価であることを示す。
範囲制限論理プログラムは、量子化子フリーな理論に対応し、量子化子結果が有用である。
論文 参考訳（メタデータ） (2021-02-17T14:07:16Z) - General stochastic separation theorems with optimal bounds [68.8204255655161]
分離性の現象が明らかになり、機械学習で人工知能(AI)システムのエラーを修正し、AI不安定性を分析するために使用された。
エラーやエラーのクラスタは、残りのデータから分離することができる。
AIシステムを修正する能力は、それに対する攻撃の可能性も開き、高次元性は、同じ分離性によって引き起こされる脆弱性を誘発する。
論文 参考訳（メタデータ） (2020-10-11T13:12:41Z) - 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)
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。