首页/论文/2109.08286

arXiv 2109.082862021-09-17cs.AIcs.LO

带权值的加权条件EL {^}机器人知识库：一种ASP方法

Weighted Conditional EL{^}bot Knowledge Bases with Integer Weights: an ASP Approach

Università del Piemonte Orientale（皮埃蒙特东方大学）

Laura Giordano, Daniele Theseider Dupré

备注：: In Proceedings ICLP 2021, arXiv:2109.07914. arXiv admin note: text overlap with arXiv:2012.13421
发表信息：: EPTCS 345, 2021, pp. 70-76
DOI：: 10.4204/EPTCS.345.19

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

加权知识库的描述逻辑与典型性最近被认为是在一个“概念明智的”多偏好语义（在两个值和模糊的情况下），作为多层感知器的逻辑语义的基础。在本文中，我们考虑加权条件EL^bot知识库在两个值的情况下，并利用ASP和asprin编码概念明智的多偏好蕴涵加权知识库与整数权重。

英文摘要：

Weighted knowledge bases for description logics with typicality have been recently considered under a "concept-wise" multipreference semantics (in both the two-valued and fuzzy case), as the basis of a logical semantics of Multilayer Perceptrons. In this paper we consider weighted conditional EL^bot knowledge bases in the two-valued case, and exploit ASP and asprin for encoding concept-wise multipreference entailment for weighted KBs with integer weights.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

包含条件聚集的约束的ASP语义

An ASP semantics for Constraints involving Conditional Aggregates

University of Corunna（拉科鲁尼亚大学）；University of Potsdam（波茨坦大学）

我们详细阐述了混合回答集编程（ASP）的正式基础，并扩展其底层的逻辑框架与聚合函数的约束值和变量。这是通过引入条件表达式的构造来实现的，该条件表达式允许在评估约束时考虑两个备选方案。考虑哪种替代方案取决于解释，并根据相关条件进行选择。我们把一些重点放在逻辑程序与线性约束，并显示如何常见的ASP聚合可以被视为特殊情况下，所谓的条件线性约束。最后，我们介绍了一个多项式大小，模块化和忠实的翻译，从我们的框架到定期（无条件）约束ASP，概述了现有的混合ASP求解器上的条件聚合的实现。

2020-02-22cs.AIcs.LO

面向答案集编程的条件推理框架

A framework for Conditional Reasoning in Answer Set Programming

DEMACS, University of Calabria, Italy（卡塔尼娅大学DEMACS研究中心）；DISIT, University of Piemonte Orientale, Italy（皮埃蒙特东方大学DISIT研究中心）

本文提出了一种基于条件逻辑的ASP框架，用于实现条件推理，并给出了复杂度上界。

2026-01-07cs.AIcs.LO

基于回答集规划的混合条件规划

Hybrid Conditional Planning using Answer Set Programming

Sabanci University（萨班哲大学）

我们介绍了一种并行离线算法计算混合条件计划，称为HCP-ASP，面向机器人应用。HCP-ASP依赖于建模的驱动动作和感应动作在一个富有表现力的非单调语言的答案集编程（ASP），和计算的分支的条件计划并行使用ASP求解器。特别是，由于外部原子，连续的可行性检查（如碰撞检查）被嵌入到ASP中的驱动动作和传感动作的正式表示中;因此，混合条件计划的每个分支描述了一个可行的动作执行，以达到其目标。利用非单调的结构和非确定性的选择，部分知识的状态和非确定性的影响感测行动可以明确形式化的ASP，因此，每个分支的条件计划可以计算的ASP求解器，而不需要一致的计划和排序的感测行动提前。我们应用我们的方法在服务机器人领域和报告的实验评估。此外，我们提出的性能比较与其他编译为基础的条件规划标准化的基准域。本文件正在考虑被TPLP接受。

2017-07-19cs.AIcs.LOcs.RO

加权条件知识库多值语义下神经网络推理的ASP方法

An ASP approach for reasoning on neural networks under a finitely many-valued semantics for weighted conditional knowledge bases

Università del Piemonte Orientale（东皮埃蒙特大学）；Università di Torino（都灵大学）

加权知识库的描述逻辑的典型性最近被认为是在一个“概念明智的”多偏好语义（在两个值和模糊的情况下），作为多层感知器（MLP）的逻辑语义的基础。在本文中，我们考虑加权条件ALC知识库的典型性在多值的情况下，通过三种不同的语义结构。对于ALC的布尔片段LC，我们利用ASP和“asprin”的推理与概念明智的多偏好蕴涵下的一个φ-连贯的语义，适合于表征MLP的稳态。作为概念证明，我们实验了所提出的方法来检查训练的MLP的属性。该文件正在考虑被TPLP接受。

2022-05-17cs.AI

具有ASP更新的动态认知逻辑：在条件规划中的应用

Dynamic Epistemic Logic with ASP Updates: Application to Conditional Planning

University of Corunna（拉科鲁尼亚大学）；Institut de Recherche en Informatique de Toulouse（图卢兹计算机科学研究所）；CNRS（法国国家科学研究中心）

动态认知逻辑（英语：Dynamic Epistemic Logic，简称DEL）是一个多模态逻辑家族，在规划任务的认知推理中被证明是非常成功的。在这种逻辑中，代理的知识被捕获的模态认知运营商，而系统的演变描述的（一些子集）动态逻辑模态中的动作通常表示为语义对象称为事件模型。在本文中，我们研究了DEL的一个变体，我们称之为DEL[ASP]，其中的动作是通过使用答案集编程（ASP）表示而不是事件模型来语法描述的。这种表示直接继承了高级表达功能，如间接效果，资格，状态约束，默认值或递归流畅性，这些在ASP描述动作域中很常见。此外，我们说明了这种方法可以应用于获得有条件的计划，在单代理，部分可观察的领域，知识获取可以表示为行动的间接影响。

2019-05-25cs.AI

在 s(CASP) 目标导向谓词回答集编程系统中建模道义模态逻辑

Modeling Deontic Modal Logic in ASP

The University of Texas at Dallas（德克萨斯大学达拉斯分校）；CETINIA, Universidad Rey Juan Carlos（CETINIA，雷耶·胡安·卡洛斯大学）

本文利用回答集编程中的默认否定和强否定直接表达道义模态算子，并通过全局约束表示义务、禁止和许可，解决了道义模态逻辑的经典悖论，并支持条件义务和条件禁止的知识表示。

2026-07-23cs.AIcs.LO

更多相关论文收起更多论文

基于答案集编程的可反驳条件语句

Defeasible Conditionals using Answer Set Programming

University of Cape Town（开普敦大学）；Open Universiteit Heerlen, Limburg, the Netherlands（开放大学）

本文提出利用答案集编程计算可反驳闭包，实现自动构建最小排名模型并提升计算效率。

2026-01-07cs.AIcs.LO

量化答案集规划中的不完全信息规划

Planning with Incomplete Information in Quantified Answer Set Programming

New Mexico State University（新墨西哥州立大学）；Omaha State University（奥马哈州立大学）；University of Potsdam（波茨坦大学）

我们提出了一个通用的方法来规划与不完全信息的答案集编程（ASP）。更确切地说，我们考虑的问题，符合和条件规划与感知行动和假设。我们表示规划问题，使用一个简单的形式主义，其中逻辑程序描述的状态，初始状态和目标状态之间的过渡函数。为了解决规划问题，我们使用量化答案集编程（QASP），ASP的扩展与原子上的存在和通用量词类似于量化布尔公式（QBF）。我们定义了量化的逻辑程序的语言，并用它来表示符合和条件规划的不同变体的解决方案。在实践方面，我们提出了一个基于约束的QASP求解器，量化的逻辑程序转换成QBF，然后执行QBF求解器，我们实验评估的方法一致性和条件规划基准。正在考虑接受TPLP。

2021-08-13cs.AI

使用ASP和MLN求解器计算LPMLN

Computing LPMLN Using ASP and MLN Solvers

Arizona State University（亚利桑那州立大学）

LPMLN是概率逻辑程序设计语言的新成员。它的主要思想是通过以类似于马尔可夫逻辑定义的方式为每个规则分配权重来克服稳定模型语义的刚性。我们提出了两个实现的LPMLN，$\text{LPMLN2ASP}$和$\text{LPMLN2MLN}$。系统$\text{LPMLN2ASP}$将LPMLN程序转换为答案集求解器$\text{CLINGO}$的输入语言，并利用弱约束和稳定模型枚举，计算最可能的稳定模型以及精确的条件概率和边际概率。系统$\text{LPMLN2MLN}$将LPMLN程序翻译成马尔可夫逻辑解算器的输入语言，诸如$\text{ALCHEMY}$、$\text{TUFFY}$和$\text{ROCKIT}$，并且允许对LPMLN程序执行近似概率推断。我们还证明了有用的LPMLN系统计算其他语言，如ProbLog和珍珠的因果模型，被证明是可翻译成LPMLN。（正在考虑接受TPLP）

2017-11-30cs.AIcs.LO

一种改进的抽象论证集编程编码

Improved Answer-Set Programming Encodings for Abstract Argumentation

La Sapienza, University of Rome（罗马大学）；Vienna University of Technology（维也纳工业大学）

为抽象论证问题设计有效的解决方案是迈向高级论证系统的关键一步。文献中最突出的方法之一是使用混合集编程（ASP）来实现这一目标。在本文中，我们提出了新的编码三个突出的论证语义使用的概念，条件字面的析取提供的ASP系统clingo。我们的新编码不仅比以前的版本更简洁，而且在标准基准测试中也优于它们。

2015-10-20cs.AI

ACT-R中知识实体的条件推理与激活

Conditional Inference and Activation of Knowledge Entities in ACT-R

TU Dortmund University（多特蒙德工业大学）；FernUniversität in Hagen（哈根远程大学）

基于激活的条件推理将条件推理应用于ACT-R，ACT-R是一种用于形式化人类推理的认知架构。基于激活的条件推理的思想是确定条件信念库的合理子集，以便及时得出归纳推理。基于激活的条件推理的核心是激活函数，它主要基于条件与当前查询及其使用历史的相关性来为信念库中的条件分配激活程度。因此，我们的方法集成到专家系统，如聚焦，遗忘和记忆人类推理的几个方面。

2021-10-28cs.AI

共形预测中的长度优化

Length Optimization in Conformal Prediction

University of Pennsylvania（宾夕法尼亚大学）

针对共形预测中条件有效性与长度效率难以兼顾的问题，提出带长度优化的共形预测框架CPL，可在多类协变量偏移下保证条件有效性并实现（近）最优预测集长度，实验表现优于现有最优方法。

2024-12-11cs.AIcs.LGstat.ME