Exploiting Qualitative Knowledge in the Learning of Conditional Probabilities of Bayesian Networks
用于学习具有隐变量的贝叶斯网络的条件概率的算法通常在高维搜索空间内操作,并且仅产生局部最优解。限制搜索空间和避免局部最优的一种方式是施加基于关于域的背景知识的定性约束。本文提出了一种将定性约束的形式化描述集成到两种学习算法APN和EM中的方法。在我们对合成数据的实验中,这种方法产生的网络几乎完美地满足了约束条件。学习网络的准确性始终优于相应的网络学习没有约束。因此,利用定性约束似乎是一种很有前途的方法,以增加可解释性和准确性的学习贝叶斯网络与已知的结构。
2013-01-16 cs.AI
Exact Learning of Qualitative Constraint Networks from Membership Queries
University of Regina(里贾纳大学);Um Al Qura University(乌姆·古拉大学)
定性约束网络(QCN)是一种约束图,用于表示定性时间和空间关系下的问题。更正式地说,QCN包括一组实体,以及定义这些实体之间可能场景的定性约束列表。这些后者的约束表示为二进制关系的析取捕捉(不完整的)所涉及的实体之间的知识。QCN在表示各种各样的实际应用方面非常有效,包括调度和规划、配置和地理信息系统(GIS)。然而,从用户那里引出表示给定问题的QCN是具有挑战性的。为了克服这一困难,在实践中,我们提出了一个新的学习算法,通过成员查询,QCN从一个非专家。在本文中,成员查询,以引出时间或空间实体对之间的时间或空间关系。为了提高学习算法在实际应用中的时间性能,我们采用了传递闭包的约束传播和排序算法。这里的目标是减少到达目标QCN所需的成员查询的数量。为了评估约束传播和排序启发式的实际效果,我们对随机生成的时间和空间约束网络实例进行了几项实验。实验的结果是非常令人鼓舞和有希望的。
2021-09-23 cs.AI
Deciding the Satisfiability of Combined Qualitative Constraint Networks
本文提出统一多种定性形式化方法的框架,通过两个定理证明可满足性判断的多项式复杂性,并扩展了定性形式化方法的定义。
2026-02-09 cs.AI
Algebraic foundations for qualitative calculi and networks
定性表示$ϕ$类似于关系代数的普通表示,但不像我们对普通表示那样需要$(a; b)^ϕ= a^ϕ| b^ϕ$,我们只需要$c^ϕ\supseteq a^ϕ| b^ϕ\iff c\geq a ; b$,对于代数中的每个$c$。一个约束网络是定性可满足的,如果它的节点可以映射到一个定性表示的元素,保持约束。如果一个约束网络是可满足的,那么它显然是定性可满足的,但反过来可能失败。然而,对于广泛的关系代数,包括点代数,Allen区间代数,RCC 8和许多其他关系代数,网络是可满足的当且仅当它是定性可满足的。与普通的组合不同,从定性表示产生的弱组合不需要是结合的,所以我们可以通过考虑非结合代数上的网络满意度问题来推广。我们证明了在计算上,定性表示比普通表示具有许多优点:虽然许多有限关系代数只有无限表示,但每个有限定性可表示代数都有有限定性表示;有限非结合代数的原子结构是NP-完全的,有限定性可表示代数上的网络满足问题总是NP的;方程在定性表示上的有效性是co-NP-完全的。另一方面,我们证明了定性表示代数类不存在有限公理化。
2017-06-19 cs.AI
On Redundant Topological Constraints
University of Technology Sydney(悉尼科技大学);Baidu (China) Co., Ltd.(百度(中国)有限公司);University of Melbourne(墨尔本大学)
区域连接演算(RCC)是一个著名的演算表示部分-整体和拓扑关系。它在定性空间推理、地理信息科学、本体论等领域都有着重要的应用。RCC 5和RCC 8(RCC的两个片段)以及其他定性的空间/时间演算的推理的计算复杂性已在文献中深入研究。这些工作大多集中在定性约束网络的一致性。在本文中,我们考虑的重要问题冗余的定性约束。对于定性约束的集合$Γ$,如果$Γ$中的约束$(x R y)$被$Γ$的其余部分所蕴涵,则我们说它是冗余的。$Γ$的素子网是$Γ$的一个子集,它不包含冗余约束,并且具有与$Γ$相同的解集。人们自然会问如何计算这样一个素子网,以及它何时是唯一的。在本文中,我们表明,这个问题是在一般的棘手,但变得易处理,如果$Γ$是在一个易处理的子代数$\mathcal{S}$的定性演算。此外,若$\mathcal{S}$是RCC 5或RCC 8的弱复合分布在非空交上的子代数,则$Γ$有唯一的素子网,该素子网可在三次时间内通过同时去除$Γ$的所有冗余约束得到.作为副产品,我们证明了这样的分配子代数上的任何路径一致网络都是弱全局一致和最小的。真实地理数据集上的主要子网络的一个彻底的实证分析表明,该方法是能够识别显着更多的冗余约束比以前提出的算法,特别是在约束网络的部分重叠关系的比例较大。
2015-02-13 cs.AI
Oriented Straight Line Segment Algebra: Qualitative Spatial Reasoning about Oriented Objects
University of Maine(缅因大学);University of Bremen(不来梅大学)
大约15年前,Schlieder提出了一组定向直线段(偶极子)之间的定性空间关系。这项工作在定性空间推理社区中引起了极大的兴趣。然而,事实证明,很难建立一个健全的约束演算基于这些关系。在本文中,我们提出了一个新的调查结果偶极子约束结石,使用代数方法来推导出声音的结果的组成关系和其他性质的偶极子结石。我们的研究结果是基于一个浓缩的语义的偶极关系。与通常使用的点相反,偶极子被延伸并且具有固有方向。这两个特征都是自然物体的重要属性。这使得一个简单的表示空间代理的原型推理任务。作为一个例子,我们展示了如何生成调查知识,从当地的观察街道网络。这个例子说明了快速约束为基础的推理能力的偶极演算。我们将我们的结果整合到两个推理工具,这是公开的。
2009-12-30 cs.AI
Causes of Ineradicable Spurious Predictions in Qualitative Simulation
Boğaziçi University(博阿济济大学)
它最近被证明,一个健全的和完整的定性模拟器不存在,也就是说,只要输入输出词汇的国家的最先进的QSIM算法被使用,总是会有输入模型,导致任何模拟器的覆盖范围保证作出虚假的预测,在其输出。在本文中,我们研究是否有意义的表达限制这个词汇是可能的,这样就可以建立一个模拟器的健全性和完整性。我们证明了几个负面的结果:所有健全的定性模拟器,采用子集的QSIM表示保留的操作区域过渡功能,并支持至少添加和恒定性的约束,被证明是固有的不完整。即使当模拟被限制在一个单一的操作区域中运行时,仅包含加法,恒定性,导数和乘法关系的约束词汇表也使得不可能构建声音和完整的定性模拟器。
2011-09-30 cs.AI
Bridging the gap between modal temporal logics and constraint-based QSR as an ALC(D) spatio-temporalisation with weakly cyclic TBoxes
这项工作的目的是提供一个家庭的空间变化的定性理论,特别是空间场景的运动。为了实现这一点,我们考虑一个时空MTALC(D_x),著名的ALC(D)家族的描述逻辑(DL)与具体domanan。具体地说,具体域D_x由定性空间关系代数(RA)x生成。通过将MTALC(D_x)概念的可满足性归结为空间约束增强的弱交替自动机的空性问题,我们证明了MTALC(D_x)概念关于弱循环TBox的可满足性在非确定指数时间内是可判定的,尽管游程的接受条件除了标准情况外,CSP(约束满足问题)的一致性可能是无限的。结果提供了一个有效的表格式可满足性过程进行了讨论。
2003-07-17 cs.AI cs.LO
Reasoning about Qualitative Direction and Distance between Extended Objects using Answer Set Programming
Sabanci University(萨班哲大学)
在这篇论文中,我们介绍了一个新的形式化框架,表示和推理的定性方向和扩展对象之间的距离关系,使用答案集编程(ASP)。我们以基数方向演算(CDC)为出发点,并扩展CDC与新的种类的约束,其中涉及默认值,偏好和否定。我们将此扩展版本称为nCDC。然后通过扩充定性距离关系对nCDC进行了进一步的扩展,并将其命名为nCDC+。对于CDC,nCDC,nCDC+,我们引入了一个基于ASP的通用框架来解决一致性检查问题,解决定性空间关系的组合和反转,推断对象之间未知或缺失的关系,并找到一个合适的配置,满足给定的查询对象。
2019-09-18 cs.AI cs.LO cs.RO
MechReasoner: A Simulator and Benchmark for Mechanistic Reasoning in Qualitative Physics
Idiap Research Institute(伊迪亚普研究所);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);University of Manchester(曼彻斯特大学)
本文提出MechReasoner,一个基于合流定性物理的模拟器和基准,用于测试大语言模型在机制推理中的可靠性,实验显示GPT-5.5准确率随机制复杂性增加而显著下降。
2026-09-29 cs.AI
POMDPs under Probabilistic Semantics
IST Austria(奥地利科学技术研究所)
考虑具有极限平均收益的部分可观测马尔可夫决策过程(POMDPs),其中每一个转移都对应一个区间[0,1]内的奖励值,无限路径的收益是这些奖励的长期平均.我们考虑两种类型的路径约束:(i)定量约束定义了收益至少为(0,1]中给定阈值λ的路径集合;以及(ii)定性约束,这是λ = 1的定量约束的特殊情况。我们考虑几乎确定获胜集的计算,其中控制器需要确保路径约束以概率1满足。我们对定性路径约束的主要结果如下:(i)判定有限记忆控制器存在性的问题是EXPTIME-完全的;(ii)判定无限记忆控制器存在性的问题是不可判定的。对于定量路径约束,我们证明了有限记忆控制器存在性的判定问题是不可判定的。
2013-08-22 cs.AI
Transformer-based Neuro-Animator for Qualitative Simulation of Soft Body Movement
School of Computing and Informatics, Universiti Teknologi Brunei(文莱理工大学计算与信息学院)
受人类直觉物理预测能力启发,本文提出基于视觉transformer的神经动画器模型,通过学习历史时间步的运动信息来预测软体(旗帜)在下一时刻的运动,成功实现了不同风力下旗帜挥舞的定性仿真。
2024-08-10 cs.AI cs.CV
POMDPs under Probabilistic Semantics
IST Austria(奥地利科学技术研究所)
考虑具有极限平均收益的部分可观测马尔可夫决策过程(POMDPs),其中每一个转移都对应一个区间[0,1]内的奖励值,无限路径的收益是这些奖励的长期平均.我们考虑两种类型的路径约束:(i)定量约束定义了一组路径,其中收益至少是(0,1]中的给定阈值λ da_1;以及(ii)定性约束,这是λ da_1 =1的定量约束的特殊情况。我们考虑几乎确定获胜集的计算,其中控制器需要确保路径约束以概率1满足。我们对定性路径约束的主要结果如下:(i)判定有限记忆控制器存在性的问题是EXPTIME-完全的;(ii)判定无限记忆控制器存在性的问题是不可判定的。对于定量路径约束,我们证明了有限记忆控制器存在性的判定问题是不可判定的。
2014-08-09 cs.AI
ASP(AC): Answer Set Programming with Algebraic Constraints
Technical University Vienna(维也纳技术大学)
加权逻辑是一个强大的工具,规范的计算半环依赖于定性信息。使用一种新的组合加权逻辑和这里和那里(HT)的逻辑,这种依赖是基于直觉的理由,我们介绍了答案集编程与代数约束(ASP(AC)),其中规则可能包含的限制,比较半环值加权公式评估。这样的约束提供了对ASP中可用的多种构造(如聚合、选择约束和算术运算符)的流线型访问。他们扩展了其中的一些,并提供了一个通用的框架,用于定义程序与代数计算,这可以卓有成效地使用,例如,起源语义的数据库程序。虽然在一般情况下是不可判定的,但ASP(AC)的表达片段可以在一个丰富的框架中用于有效解决问题。本书正在考虑被《逻辑程序设计理论与实践》接受。
2020-08-10 cs.AI cs.LO
Towards Explainable Inference about Object Motion using Qualitative Reasoning
The Australian National University(澳大利亚国立大学)
长期以来,人们一直希望能够对物理过程进行可解释的推断。一个基本的物理过程是物体运动。推断是什么导致了一组物体的运动对于专家来说甚至可能是一项具有挑战性的任务,例如,法医学的研究文献中的大多数工作依赖于物理模拟来得出这样的推论。模拟需要一个精确的模型的基础域工作良好,基本上是一个黑盒子,从中人们很难得到任何有用的解释。相比之下,定性推理方法在对模糊信息进行透明推理方面具有优势,这使得它适合于这项任务。然而,一直没有合适的定性理论提出的物体在三维空间中的运动。在本文中,我们接受这一挑战,并制定了一个定性理论的运动刚性物体。基于这个理论,我们开发了一个推理方法来解决一个非常有趣的问题:假设有几个物体最初是静止的,现在已经开始移动。我们想推断是什么动作引起了这些物体的运动。
2018-07-28 cs.AI
The Qualitative Laboratory: Theory Prototyping and Hypothesis Generation with Large Language Models
UCLouvain(鲁汶天主教大学)
本文提出利用大语言模型进行社会学人设模拟,通过生成自然对话生成深入的定性假设,挑战传统方法的局限性。
2026-11-13 cs.AI cs.CL cs.CY
Reframing Spatial Reasoning Evaluation in Language Models: A Real-World Simulation Benchmark for Qualitative Reasoning
School of Computing, University of Leeds(利兹大学计算机学院);Alan Turing Institute(艾伦·图灵研究所)
本研究提出一个基于真实3D模拟数据的定性空间推理基准,包含多种空间关系与视角,并引入逻辑一致性检查工具,评估揭示语言模型在多跳推理和视角混合解释上的不足。
2024-05-23 cs.AI cs.CL cs.DB
Reasoning about soft constraints and conditional preferences: complexity results and approximation techniques
Cornell University(康奈尔大学);University of Padova(帕多瓦大学);University College Cork(科克大学学院)
许多现实生活中的优化问题包含硬约束和软约束,以及定性条件偏好。然而,没有一个单一的形式主义来规定所有三种信息。因此,我们提出了一个框架,CP网和软约束的基础上,处理硬和软约束以及条件偏好有效和统一。我们研究了测试偏好语句一致性的复杂性,并展示了软约束如何忠实地近似条件偏好语句的语义,同时提高了计算复杂性
2009-05-22 cs.AI
A multi-sourced data and agent-based approach for complementing Time Use Surveys in the context of residential human activity and load curve simulation
EDF Lab Paris Saclay(法国电力集团巴黎萨克雷实验室);QRCI(QRCI公司);FSCI(FSCI公司);AKTEN(AKTEN公司);LISN, Université Paris-Saclay, CNRS(巴黎萨克雷大学LISN实验室,法国国家科学研究中心)
针对时间使用调查(TUS)在住宅负荷曲线模拟中的问题,提出结合多源定性定量数据与基于智能体模拟的SMACH方法,可提升负荷曲线模拟效果。
2023-12-13 cs.AI cs.HC cs.MA
Reasoning about Cardinal Directions between Extended Objects: The Hardness Result
University of Technology Sydney(悉尼科技大学)
Goyal和Egenhofer提出的基本方向演算(CDC)是一种非常有表现力的扩展对象方向信息的定性演算。早期的工作已经表明,基本CDC约束的完整网络的一致性检查是易处理的,而与CDC推理一般是NP难的。然而,本文表明,如果允许一些约束条件未指定,那么可能不完整的网络的基本CDC约束的一致性检查已经是棘手的。这在CDC的易处理子类和难处理子类之间划出了清晰的界限。其结果是从著名的3-SAT问题的减少。
2010-11-04 cs.AI
Learning Bayesian Network Parameters with Prior Knowledge about Context-Specific Qualitative Influences
Institute of Information and Computing Sciences, Utrecht University(乌得勒支大学信息与计算科学研究所)
我们提出了一种学习贝叶斯网络的参数与先验知识的变量之间的影响的迹象的方法。我们的方法不仅适用于标准的标志,但也提供了特定于上下文的标志。我们将展示如何将各种符号转化为对网络参数的顺序约束,以及如何使用保序回归来计算来自可用数据的顺序约束估计。我们的实验结果表明,考虑到影响的迹象的先验知识,导致一个更好的拟合的真实分布,特别是当只有一个小样本的数据是可用的。此外,计算的估计值保证与指定的符号一致,从而导致网络更有可能被其应用领域的专家所接受。
2012-07-04 cs.AI cs.LG stat.ML
How Do LLMs Fail In Agentic Scenarios? A Qualitative Analysis of Success and Failure Scenarios of Various LLMs in Agentic Simulations
Kamiwaza AI
研究分析了LLM在代理任务中的失败原因,发现模型规模不决定鲁棒性,强调训练和设计对可靠性的重要性。
2025-12-09 cs.AI cs.SE