Facets of Distribution Identities in Probabilistic Team Semantics
我们研究概率团队语义，这是一个语义框架，允许同时研究逻辑和概率依赖关系。我们检查和分类的表达能力的逻辑形式主义所产生的不同的概率原子，如条件独立性和不同的变种的边际分布等价。我们还将框架的一阶理论的实数和应用我们的方法的开放问题的复杂性的蕴涵问题的条件独立性。
2019-02-25 cs.LO math.LO
Probabilistic reasoning with answer sets
Arizona State University（亚利桑那州立大学）；Texas Tech University（德克萨斯理工大学）
本文开发了一种声明性语言，P-log，它结合了逻辑和概率的论点，在其推理。答案集Prolog被用作逻辑基础，而因果贝叶斯网作为概率基础。我们给出了几个非平凡的例子，并说明使用P-log的知识表示和知识更新。我们认为，我们的更新方法比现有的方法更有吸引力。我们给出了P-log程序的一致性的充分条件，并表明贝叶斯网可以很容易地映射到连贯的P-log程序。
2008-12-03 cs.AI cs.LO
Mixed Logical and Probabilistic Reasoning for Planning and Explanation Generation in Robotics
The University of Auckland（奥克兰大学）
机器人在复杂的领域中帮助人类，必须在感觉运动水平和社会水平上代表知识和理性。本文所描述的架构耦合的非单调逻辑推理能力的声明性语言与概率信念修订，使机器人表示和推理的定性和定量的描述知识和程度的信念。具体来说，不完整的领域知识，包括在所有，但少数例外情况下，持有的信息，表示为一个答案集Prolog（ASP）程序。通过求解该程序获得的答案集用于推理、规划和联合解释（a）由于外源动作引起的意外动作结果和（b）从传感器输入提取的部分场景描述。对于任何给定的任务，答案集中包含的计划中的每个动作都是按概率执行的。自动识别与动作相关的域的子集，并且从传感器输入中提取的观测对在该域子集上定义的置信分布执行增量贝叶斯更新，其中高度可能的置信被提交给ASP程序。该体系结构的能力，说明在模拟和移动机器人的上下文中的机器人服务员在餐厅的餐厅。
2015-08-01 cs.AI cs.LO cs.RO
A normative account of defeasible and probabilistic inference
Max Planck Institute（马克斯·普朗克研究所）；University of São Paulo（圣保罗大学）
本文进一步论证了逻辑推论应该从规范的角度来理解的观点。哈特里·菲尔德和约翰·麦克法兰讨论了经典案例。我们扩展了他们的工作，研究当面对不确定的信息或在非单调的，可废除的逻辑框架（允许e）内推理时，代理人被迫推断结论意味着什么。G.除非提出相反证据，否则不得从被视为真实的前提作出推论）。
2014-02-19 cs.AI cs.LO
Abstracting Probabilistic Models: A Logical Perspective
University of Edinburgh（爱丁堡大学）；Alan Turing Institute（艾伦·图灵研究所）
抽象是一种广泛应用于科学的强大思想，通过省略不相关的细节，在更易处理的搜索空间中对系统的行为进行建模、推理和解释。虽然抽象的概念已经成熟的确定性系统，抽象的概率模型的情况下尚未完全理解。在本文中，我们提供了一个语义框架，分析这种抽象的第一原则。我们开发的框架一般的方式，允许表达语言，包括基于逻辑的承认关系和层次结构与随机原语。我们激励一个高层次的模型和它的低层次的对应之间的一致性的定义，但也治疗的情况下，当高层次的模型是缺少关键信息存在于低层次的模型。我们证明属性的抽象，无论是在参数的水平，以及模型的结构。我们的结论与一些意见，如何抽象可以自动派生。
2020-01-13 cs.AI cs.LG cs.LO
Probabilistic Approximate Logic and its Implementation in the Logical Imagination Engine
SRI International（SRI国际公司）；George Washington Univ.（乔治华盛顿大学）
尽管机器学习在各个领域的应用数量迅速增加，但仍然缺乏将领域知识纳入工程过程的原则性和系统性方法，并且难以验证的特设解决方案仍然是实践中的规范，这不仅在关键任务应用中越来越受到关注。在本文中，我们介绍概率近似逻辑（PALO）作为一种逻辑的基础上的概念，平均近似概率，以克服概念和计算上的困难，固有的严格概率逻辑。这个逻辑在几个方面都是近似的。逻辑独立性假设用于获得近似概率，但通过对许多公式实例进行平均，通常可以获得具有已知置信度的平均概率的有用估计。为了实现有效的计算推理，逻辑具有连续的语义，其仅反映经典逻辑的结构属性的子集，但是这种不精确性可以通过由经典推理或其他手段获得的更丰富的理论来部分补偿。计算推理是指模型的构建和逻辑属性的验证，基于随机梯度下降（SGD）和马尔可夫链蒙特卡罗（MCMC）技术，因此涉及另一个维度的近似。我们还介绍了逻辑想象引擎（LIME），这是一个基于TensorFlow的PALO原型实现。虽然不限于生物领域，我们说明了它的操作在一个相当可观的生物信息学机器学习应用与网络合成和分析在最近的DARPA项目。
2019-07-25 cs.AI cs.LG cs.LO
Preferential Structures for Comparative Probabilistic Reasoning
University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
对不确定性进行推理的定性和定量方法可能会导致不同的逻辑系统来形式化这种推理，即使表达不确定性的语言是相同的。在关于相对似然性的推理的情况下，使用$φ\succsimψ$形式的陈述来表达$φ$至少与$ψ$一样可能，使用预定优先结构的标准定性方法产生与使用概率度量的定量方法截然不同的逻辑系统。事实上，标准的偏好方法验证了从概率的角度来看是不正确的推理原则。然而，在本文中，我们表明，一个自然的修改优惠的方法产生完全相同的逻辑系统作为一个概率的方法-不使用单一的概率措施，而是一套概率措施。因此，在非单调逻辑和信念修正的研究中使用的相同的优先结构可以用于基于不精确概率的比较概率推理的研究。
2021-04-06 cs.AI cs.LO math.LO
State Algebra for Probabilistic Logic
Stratyfy Inc.（Stratyfy公司）；Department of Mathematics, College of Staten Island（史泰登岛学院数学系）；Physics Program, CUNY Graduate Center（CUNY研究生中心物理项目）
本文提出概率状态代数，扩展了确定性命题逻辑，通过线性代数构建马尔可夫随机场。通过将逻辑状态映射为实数坐标作为能量势，定义能量模型，利用Hadamard积生成全局概率分布，实现逻辑缩减的原生矩阵运算。
2026-03-13 cs.AI cs.LG cs.LO
A New Approach to CNF-SAT From a Probabilistic Point of View
本文提出了一种新的方法来确定一个逻辑（CNF）公式是否满足或不使用概率论方法。此外，我们将介绍一种算法，在某些情况下，加快标准解决方案（CNF-SAT）。已知任何（CNF）公式都以$2^n$的时间复杂度求解，其中n是（CNF）公式中不同文字的数量。在我们的方法中，我们将从概率的角度遵循一种增强的方法，该方法并不总是随着不同文字的数量呈指数级增加。这将增加确定一个大公式在许多情况下是否可满足的机会。此外，我们将指出一些有前途的性质，遵循应用概率论的概念和公理的逻辑，这可能会产生更多的见解的可满足性的逻辑公式。
2021-04-22 cs.LO physics.gen-ph
Unifying Hidden-Variable Problems from Quantum Mechanics by Logics of Dependence and Independence
我们研究隐藏变量模型从量子力学，和他们的抽象在纯粹的概率和关系的框架，通过依赖和独立的逻辑，基于团队语义。我们发现，隐藏变量模型的共同理想的属性可以定义在一个优雅和简洁的方式在依赖和独立逻辑。不同性质之间的关系，以及它们的同时可实现性，因此可以在纯逻辑层面上被公式化和证明，作为逻辑公式的蕴涵和可满足性问题。在依赖和独立逻辑中，概率和关系蕴涵之间的联系使我们能够简化证明。在许多情况下，我们可以通过一个证明建立概率和关系隐变量模型的结果，因为一种情况意味着另一种情况，这取决于纯粹的语法标准。我们还讨论了贝尔和Kochen-Specker的不去定理，并提供了后者的一个纯粹的逻辑变体，引入非上下文选择作为一个团队语义属性。
2022-01-27 cs.LO math.LO
Asynchronous Probabilistic Couplings in Higher-Order Separation Logic
本文提出Clutch，一种支持异步概率耦合的高阶概率关系分离逻辑，用于推理高阶程序的上下文精化与等价性，并在Coq中形式化验证。
2023-11-14 cs.LO cs.PL
Logical Entity Representation in Knowledge-Graphs for Differentiable Rule Learning
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；The University of Texas at Dallas（德克萨斯大学达拉斯分校）
提出逻辑实体表示（LERP）编码实体相邻子图上下文，结合概率逻辑规则学习提升规则表达力，在知识图谱补全任务中优于现有方法且增强可解释性。
2023-05-22 cs.AI cs.LG cs.LO
Explainable Fact Checking with Probabilistic Answer Set Programming
EURECOM（EURECOM通信系统研究所）；Arizona State University（亚利桑那州立大学）
事实核查的一个挑战是提高决策透明度的能力。我们提出了一个事实检查方法，使用知识图谱（KG）中的参考信息来评估索赔并解释其决策。知识库包含知识的形式化表示，其中包含实体及其关系的语义描述。我们利用这样丰富的语义产生可解释的解释的事实检查输出。由于KG中的信息不可避免地是不完整的，我们依靠逻辑规则发现和Web文本挖掘来收集证据来评估给定的索赔。将不确定的规则和事实转化为逻辑程序，并将检查任务建模为答案集程序概率扩展中的推理问题。实验表明，概率推理能够有效地标记具有可解释解释的解释的索赔，并且结果的质量高于最先进的基线。
2019-06-21 cs.AI cs.DB cs.LO
A Probabilistic Model for Discriminative and Neuro-Symbolic Semi-Supervised Learning
University of Edinburgh（爱丁堡大学）；Samsung AI Centre Cambridge（三星剑桥人工智能中心）
通过结合利用数据分布的不同方面的方法，半监督学习（SSL）已经取得了很大进展，例如，一致性正则化依赖于$p(x)$的属性，而熵最小化与标签分布$p(y|x)$有关。专注于后者，我们提出了一个概率模型的歧视SSL，它反映了其经典的生成对应。在假设$y|x$是确定性的情况下，潜在变量的先验变得离散。我们发现，几个著名的SSL方法可以被解释为近似这一先验，并可以改进。我们扩展的歧视性模型神经符号SSL，标签功能满足逻辑规则，通过显示这些规则直接与上述先验，从而证明了一个家庭的方法，统计学习和逻辑推理，并将它们与常规SSL统一。
2021-05-31 cs.LG cs.LO stat.ML
Deterministic Bayesian Logic
本文定义并研究了条件逻辑。这种条件逻辑，确定性贝叶斯逻辑，被构造为（概率）贝叶斯条件的确定性对应物。逻辑是不受限制的，因此允许任何逻辑操作。这种逻辑被证明是非平凡的，并没有减少到经典命题。DBL的贝叶斯条件隐含了逻辑独立性的定义。有趣的结果之间的相互作用的逻辑独立性和证明。为此逻辑构建了模型。证明了结果的完备性。结果表明，任何无条件概率都可以推广到整个逻辑DBL。然后从概率DBL中恢复贝叶斯条件。最后，说明DBL服从Lewis平凡性的原因。
2007-06-29 cs.LO math.LO math.PR
