A Complete Calculus for Possibilistic Logic Programming with Fuzzy Propositional Variables
Universitat de Lleida (UdL)（莱里达大学）；CSIC（西班牙国家研究委员会）
本文提出了一种用于可能性不确定性推理和表示模糊知识的命题逻辑程序设计语言。公式由对（A，c）表示，其中A是多值命题，c是单位区间[0，1]中的值，它表示关于A的信念在必要性测度方面的下界。信念状态的所有多值解释的集合上的可能性分布建模。在这个框架中，（i）定义了一般不确定性逻辑的语法和语义，（ii）给出了Horn-规则子语言的一个前件式演算，并证明了它对于确定模糊命题变量从公式集合中导出的最大可能性信念度是完备的;最后，（iii）我们展示了如何计算模糊命题变量之间的部分匹配，在必要性措施的模糊集，可以包括在我们的逻辑编程系统。
2013-01-16 cs.AI
Reasoning about Noisy Sensors and Effectors in the Situation Calculus
与一个不完全已知的世界交互的智能体需要能够推理其行为的影响，并且为了获得关于该世界的进一步信息，他们需要使用某种传感器。不幸的是，动作的效果和从传感器返回的信息都容易出错。为了应对这种不确定性，智能体可以保持对世界状态的概率信念。有了概率信念，智能体将能够量化其行动的各种结果的可能性，并能够更好地利用从其易出错的行动和传感器收集的信息。在本文中，我们提出了一个模型，在该模型中，我们可以推理代理的概率程度的信念和这些信念的变化方式，作为各种行动的执行。我们建立在一个一般的逻辑理论的行动开发的赖特和其他人，形式化的情况演算。我们提出了一个简单的公理化，捕捉代理的信念状态和这些信念的方式改变时，执行的行动。我们的模型显示了一些直观合理的属性。
1998-09-09 cs.AI cs.LO
Assessing forensic evidence by computing belief functions
VU University Amsterdam（阿姆斯特丹自由大学）
我们首先讨论了经典的概率方法评估法医证据的某些问题，特别是它无法区分缺乏信仰和不相信，以及它无法在给定的人口模型完全无知。然后，我们讨论Shafer信念函数，概率分布的推广，它可以处理这两个异议。我们使用的信念函数演算，不使用备受批评的Dempster规则的组合，但只有非常自然的Dempster-Shafer条件。然后，我们将这种演算应用到一些经典的法医问题，如各种岛屿问题和父母身份识别问题。如果我们除了假设罪犯或父母属于一个给定的总体（在我们的环境中是可能的）之外不强加先验知识，那么当强加统一或其他先验时，我们的答案与经典答案不同。我们实际上可以通过施加相关的先验来检索经典答案，因此我们的设置可以而且应该被解释为经典方法的概括，从而允许更多的灵活性。我们展示了我们的演算可以用来开发一个类似的贝叶斯规则，而不是古典概率的信念函数。我们还讨论了我们的理论的法律实践的后果。
2016-04-12 cs.AI math.PR
Some Properties of Plausible Reasoning
NASA Ames Research Center（NASA艾姆斯研究中心）
本文提出了一个似然推理系统来说明知识表示中的一些广泛问题：不同推理形式之间的二重性，统一互补推理风格的困难，以及似然推理的近似性质。这些问题有一个共同的基本主题：应该有一个基本的信念演算，其中许多不同的推理形式是特例，有时是近似的。该系统允许推理的默认情况下，可能性，必要性和可能性的方式类似于早期的工作亚当斯。该系统基于主观贝叶斯概率的信念演算，而主观贝叶斯概率本身基于关于如何操纵信念的一些简单假设。系统的近似，语义，一致性和后果的结果。虽然这使得这些经常讨论的似是而非的推理形式的概率基础上，有用的应用到实际问题仍然是一个问题。
2013-03-20 cs.AI
Loop Calculus and Bootstrap-Belief Propagation for Perfect Matchings on Arbitrary Graphs
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；University of California, Irvine（加州大学欧文分校）；IBM T. J. Watson Research（IBM T. J. 沃森研究中心）
本文讨论了任意非二部图的配分函数和最小权完美匹配的计算。我们提出了两个新的问题配方-一个用于计算PF的完美匹配（PM）和一个用于寻找MWPMs -建立在相互关联的贝特自由能，置信传播（BP），循环演算（LC），线性规划（ILP）和线性规划（LP）框架。首先，我们描述了一个扩展的LC框架PM问题。由此产生的公式，创造（分数）Bootstrap-BP，通过一个替代PM问题的BFE表示原始模型的PF。然后，我们研究了该Bootstrap-BP公式的零温度版本，以近似解决MWPM问题。我们这样做，利用Bootstrap-BP公式来构建一个序列的MWPM问题，其中每个新的问题序列是由收缩奇数大小的周期（或开花）从以前的问题。这个Bootstrap和合同程序可靠地收敛，并产生一个经验严格的上限MWPM。最后，我们讨论了我们的迭代过程和著名的Blossom算法的埃德蒙兹'65之间的关系，并证明了各种加权PM问题的Bootstrap和合同方法的性能。
2013-06-05 cond-mat.stat-mech cs.AI math.PR
Belief Propagation and Loop Series on Planar Graphs
Wayne State University（韦恩州立大学）
讨论了平面图边上定义二元变量的贝叶斯推断的一般模型。[1，2]的循环演算方法用于评估配分函数的所得级数展开。我们表明，对于平面图，截断系列在单连通回路减少，通过一个地图让人想起的Fisher变换[3]，评估配分函数的二聚体匹配模型的辅助平面图。因此，截断的级数可以很容易地重新求和，使用Kasteleyn的Pfweian公式[4]。这允许通过置信传播（规范）变换来识别一大类计算上易处理的平面模型，这些模型可还原为二聚体模型。普夫兰表示也可以扩展到完整的循环序列，在这种情况下，扩展成为普夫兰贡献的总和，每个贡献与原始图的子图的扩展上的二聚体匹配相关联。的Pfweian表示，以及量子和非平面模型的关系，数学后果进行了讨论。
2008-04-11 cond-mat.stat-mech cs.AI cs.IT
Robot Location Estimation in the Situation Calculus
University of Toronto（多伦多大学）
位置估计是机器人应用中的基本传感任务，其中世界是不确定的，并且传感器和执行器是有噪声的。大多数系统对状态变量之间的依赖关系做出各种假设，特别是关于这些依赖关系如何作为操作的结果而改变。本文基于巴克斯、哈尔彭和莱维斯克关于情境演算中置信度推理的一般框架，以及最近对连续域的扩展，我们使用一个例子说明了在存在丰富的行动理论的情况下的位置估计。我们还表明，虽然行动可能会影响先验分布在非标准的方式，适当的后验信念，但作为一个整体规范的副作用。
2014-02-28 cs.AI cs.LO
The Rational and Computational Scope of Probabilistic Rule-Based Expert Systems
University of Pennsylvania（宾夕法尼亚大学）
人工智能中的信念更新方案可以被视为三维语言，由语法（例如概率或确定性因子）、演算（例如贝叶斯或CF组合规则）和语义（即竞争形式主义的认知解释）组成。本文从句法和演算的角度研究了这些语言的合理范围。特别是，本文提出了一个自同态定理，突出了CF演算中隐含的条件独立性假设所施加的限制。该定理的CF和贝叶斯语言之间的关系和Dempster-Shafer证据理论的影响。最后，本文讨论了一些基于规则的知识工程在不确定领域的影响。
2013-03-27 cs.AI
The Role of Calculi in Uncertain Inference Systems
MIT（麻省理工学院）；Stanford University（斯坦福大学）
关于自动决策方法的大部分争议都集中在组合信念或传播不确定性的特定演算上。我们通过（1）探索围绕任何主要决策问题的次要任务的星座，以及（2）识别呈现额外代表性权衡的知识工程问题来扩大辩论。我们认为，在一个单一的微积分支持所有这些任务的尝试是误导的务实的理由。在这个过程中，我们注意到几个不确定的推理目标，与贝叶斯理想的概率和效用的完整规范冲突。作为回应，我们主张将不确定性演算作为支持次要任务的推理机制的对象语言。当微积分被降级到这个角色时，反对贝叶斯决策理论的论点就被削弱了。架构的不确定性处理，在演算中的语句作为对象进行推理，提供了保留规范的状态，决策方面的前景，同时支持其他任务的不确定推理。
2013-03-27 cs.AI
Generalized Belief Propagation on Tree Robust Structured Region Graphs
University of California, Irvine（加利福尼亚大学尔湾分校）
本文为广义置信传播（GBP）区域图的构造提供了一些新的指导。我们连接的问题，选择一个循环结构区域图（SRG）的外部区域，找到相应的马尔可夫网络的一个基本的循环基础。我们还定义了一类新的树鲁棒的Loop-SRG的GBP的任何诱导（生成）树的马尔可夫网络，通过设置为零的树外的相互作用，是准确的。然后将这类SRG映射到马尔可夫网络上的树鲁棒循环基的等价类。我们表明，一个treerobust循环的基础上，可以确定证明，对于每一个子集的周期，从边，只参加一个单一的周期，得到的图是多连接。利用这一点，我们确定了两类树强大的周期基地：平面周期基地和“星”周期基地。在实验中，我们表明，树的鲁棒性可以成功地利用作为一个设计原则，以提高精度和收敛的GBP。
2012-10-16 cs.AI
A geometric approach to conditioning belief functions
Oxford Brookes University（牛津布鲁克斯大学）
在应用科学中，当涉及到时间序列的推理时，条件反射是至关重要的。信念演算是一种有效的方式来处理这种推理存在的认知不确定性-不幸的是，不同的方法来调节的信念功能框架中已经提出了在过去，离开这个问题有点不确定。受几何方法的不确定性，在本文中，我们提出了一种方法的条件下的信念函数的基础上几何投影到单形与条件事件的空间中的所有信念函数。我们在这里表明，这样的几何方法来调节往往会产生简单的结果与直接的解释程度的信念。这就提出了一个问题，是否经典的方法，例如登普斯特的条件反射，也可以减少到某种形式的距离最小化在一个合适的空间。家庭的组合规则（几何）条件规则的研究似乎是自然的起诉所提出的研究。
2021-04-21 cs.AI math.PR math.ST
A Defeasible Calculus for Zetetic Agents
对可废止推理的研究将认识论者与人工智能领域的工作者联系在一起，部分原因是两者都对认识理性感兴趣。虽然传统上认为认知理性支配着信念的形成和持有，但认知理性也可能适用于与我们的核心认知探究实践相关的疑问态度，例如疑惑，调查和好奇。由于一般的智能系统应该能够进行理性的询问，人工智能研究人员对管理疑问态度的规范自然感兴趣。在最近的讨论之后，我们使用“探究性”一词来指与探究能力相关的属性和规范。在本文中，我们认为，zetetic规范可以通过可废止的推理和问题-a.k.一个色情推理-以类似的方式规范的认识理性表示的可废止的推理规则建模。我们提供了一个可容纳的独特功能的“erotetic失败”，并表现出所需的计算属性，通知设计的zetetic代理商的计算演算。这里提出的演算是Millson（2019）中提出的演算的改进版本，扩展到涵盖一类新的可废止的色情推理。
2020-10-11 cs.AI cs.CL math.LO
A New Rational Algorithm for View Updating in Relational Databases
RWTH Aachen（亚琛工业大学）；University of Bonn（波恩大学）
信念和知识的动态是任何自治系统的主要组成部分之一，它应该能够吸收新的信息。为了将信念动力学理论的合理性结果应用到各种实际问题中，它应该在两个方面进行推广：第一，它应该允许信念的某一部分被声明为不变的;第二，信念状态不需要是演绎封闭的。本文提出了这样一种广义的信念动力学，称为基地动力学，随着知识库（霍恩或霍恩逻辑分层否定）的广义修正算法的概念。我们表明，知识库动态有一个有趣的连接，通过击中集和绑架的内核变化。在本文中，我们将展示如何从析取逻辑编程技术可以用于有效的（演绎）数据库更新。其核心思想是将给定的数据库连同更新请求一起转换成一个析取（数据库）逻辑程序，并应用析取技术（如最小模型推理）来解决原始的更新问题。该方法扩展并集成了标准技术，以实现高效的查询应答和完整性检查。一个击中集的生成是通过一个超tableaux演算和魔术集，专注于最小的目标。
2014-07-13 cs.AI cs.DB
MCMC assisted by Belief Propagation
KAIST（韩国科学技术院）；LANL（洛斯阿拉莫斯国家实验室）
马尔可夫链蒙特卡罗（MCMC）和置信传播（BP）是图模型（GM）中最常用的计算推理算法。原则上，MCMC是一种精确的概率方法，然而，它经常遭受指数慢混合。相比之下，BP是一种确定性方法，通常快速，经验上非常成功，但通常缺乏对循环图的准确性的控制。在本文中，我们介绍了MCMC算法校正BP的逼近误差，即，我们提供了一种通过连续的BP感知MCMC来补偿BP误差的方法。我们的框架是基于循环演算（LC）的方法，它允许表达的BP误差作为加权广义循环的总和。虽然完整的系列是计算上棘手的，它是已知的，截断系列，总结所有2-正规循环，是可计算的多项式时间的平面成对二进制GM，它也提供了一个高度准确的近似经验。受此启发，我们首先提出了一个多项式时间近似MCMC计划截断系列一般（非平面）成对二元模型。我们这里的主要思想是使用蠕虫算法，已知在其他（相关）问题中提供快速混合，然后设计一个适当的拒绝方案来采样2-正则循环。此外，我们还设计了一个有效的拒绝免费MCMC计划近似的完整系列。我们设计的主要新颖之处在于利用了循环基的概念，它提供了一个有效的广义循环分解。从本质上讲，建议的MCMC计划运行在转换后的GM建立在非平凡的BP解决方案，我们的实验表明，这种合成的BP和MCMC优于直接MCMC和裸BP计划。
2020-05-11 cs.AI cs.DS stat.ML
Bayesian Evolutionary Swarm Architecture: A Formal Epistemic System Grounded in Truth-Based Competition
Department of Computer Science University of Exeter（计算机科学系大学埃克塞特）
提出一个基于贝叶斯推理和种群动力学的AI框架，通过概率智能体与真值预言机的对齐竞争进化，采用哈希身份承诺和do演算，形式化证明收敛性与稳定性，将真值确立为进化吸引子。
2025-06-23 cs.AI cs.CL cs.GT
Comparative Study of View Update Algorithms in Rational Choice Theory
RWTH Aachen（亚琛工业大学）
信念和知识的动态是任何自治系统的主要组成部分之一，它应该能够吸收新的信息。我们发现，知识库动态有有趣的连接，通过击中集和绑架的内核变化。该方法扩展并集成了标准技术，以实现高效的查询应答和完整性检查。该算法以极小为目标，通过超表演算和魔集实现碰集的生成。许多不同的视图更新算法已被提出在文献中，以解决这个问题。本文提供了一个比较研究的视图更新算法在理性的做法。
2014-11-10 cs.AI cs.DB cs.LO
