Stable models and an alternative logic programming paradigm
在本文中,我们重新审视的地方和作用的稳定模型语义在逻辑编程和对比,它与最少Herbrand模型的方法霍恩程序。我们证明了稳定模型语义的固有特征自然会导致一个逻辑编程系统,提供了一个有趣的替代更传统的逻辑编程风格的霍恩逻辑编程,分层逻辑编程和逻辑编程与良好的基础语义。所提出的方法是基于程序条款的约束的解释。在这种情况下,程序不描述一个单一的预期模型,而是一系列稳定的模型。这些稳定的模型编码解决方案的约束满足的问题所描述的程序。我们的方法对逻辑程序的语法施加了限制。特别是,函数符号被从语言中删除。我们认为,由此产生的逻辑编程系统是很好地协调NP类的问题,有一个定义明确的应用领域,和一个新兴的编程方法。我们指出,是什么使整个方法可行的算法来计算命题逻辑程序的稳定模型的实现的最新进展。
1998-09-18 cs.AI cs.LO
ALPprolog --- A New Logic Programming Method for Dynamic Domains
University of Oxford(牛津大学);The University of New South Wales(新南威尔士大学)
逻辑编程是一个强大的编程范例自主智能体在动态领域,如Golog和Flux语言见证。在这项工作中,我们提出了ALPprolog,一个富有表现力的,但有效的,逻辑程序设计语言的代理,必须对不完整的信息和传感器动作的原因在线控制。
2011-07-26 cs.AI cs.LO
The CIFF Proof Procedure for Abductive Logic Programming with Constraints: Theory, Implementation and Experiments
Università di Pisa(比萨大学);Imperial College London(帝国理工学院);University of Amsterdam(阿姆斯特丹大学)
给出了带约束的溯因逻辑程序设计的CIFF证明过程,并证明了其正确性。CIFF是溯因逻辑编程的IFF证明过程的扩展,放松了对变量量化(允许条件)的原始限制,并结合了约束求解器来处理约束逻辑编程中的数值约束。最后,我们描述了CIFF系统,将其与最先进的溯因系统和答案集求解器进行比较,并展示了如何使用它来编程一些应用程序。(To《逻辑程序设计理论与实践》(Theory and Practice of Logic Programming,TPLP)
2009-06-05 cs.AI cs.LO
Propositional satisfiability in answer-set programming
我们表明,命题逻辑及其扩展可以支持答案集编程的方式一样,稳定的逻辑编程和析取逻辑编程。为此,我们介绍了一个逻辑的基础上的逻辑命题图式和封闭世界假设的一个版本。我们称之为CWA(PS+,符号)命题图式的扩展逻辑。这种逻辑的一个重要特征是它支持对集合基数的约束进行显式建模。在本文中,我们刻画了一类问题,可以解决的有限PS+理论。我们实现了一个基于PS+逻辑的编程系统,并在PS+中设计和实现了一个处理理论的求解器。我们提出了令人鼓舞的性能结果,我们的方法-我们表明,它是有竞争力的模型,一个国家的最先进的答案集编程系统的基础上稳定的逻辑编程。
2001-07-19 cs.AI cs.LO
Applications of Intuitionistic Temporal Logic to Temporal Answer Set Programming
University of Corunna, Spain(科鲁纳大学);University of Angers, France(昂热大学);University of Barcelona, Spain(巴塞罗那大学);University of Potsdam, Germany(波茨坦大学)
本文通过时态平衡逻辑探讨时态答案集编程的逻辑基础,将直觉逻辑与时态逻辑编程相结合,提出新的研究方向。
2026-03-16 cs.AI cs.LO
Abstract argumentation and answer set programming: two faces of Nelson's logic
University of Nebraska Omaha(内布拉斯加大学奥马哈分校);IRIT(图卢兹计算机科学研究所);Université de Toulouse(图卢兹大学);CNRS(法国国家科学研究中心)
在这项工作中,我们表明,逻辑编程和抽象的论证框架可以解释纳尔逊的建设性逻辑N4。在这种逻辑中,我们通过形式化两个原则来做到这一点,我们称之为非矛盾推理和加强的封闭世界假设:第一个原则指出,任何信念都不能基于矛盾的证据,而后者则迫使未知和矛盾的证据都被视为错误。使用这些原则,逻辑程序设计和抽象论证框架都以模块化的方式并使用对象语言转换为构造性逻辑。逻辑程序蕴涵和抽象论证支持在翻译中遵循不矛盾推理原则成为新的蕴涵连接词。然后,攻击通过将这个新的蕴涵与强否定相结合来表示。逻辑程序设计理论与实践(TPLP)
2022-03-27 cs.AI cs.LO
Well-Founded Argumentation Semantics for Extended Logic Programming
本文定义了扩展逻辑程序设计的论证语义,并证明了它与具有显式否定的良基语义的等价性。我们建立了一个一般的框架,在这个框架中,我们广泛比较这种语义的其他论证语义,包括那些粪,Prakken和Sartor。我们提出了一个一般的辩证证明理论,这些论证语义。
2002-07-10 cs.AI cs.LO
Inductive Logic Programming via Differentiable Deep Neural Logic Networks
Georgia Institute of Technology(佐治亚理工学院)
提出了一种新的范式,通过深度递归神经网络解决归纳逻辑程序设计(ILP)问题。这个建议的ILP求解器的设计基础上,通过正向链接的演绎微分实现。与以往的大多数方法不同,本文通过引入一种新的可微神经逻辑(dNL)网络,直接学习符号逻辑谓词规则,而不是使用一些限制性规则模板搜索可能的一阶逻辑规则空间。所提出的dNL网络能够以显式的方式有效地学习和表示布尔函数。我们表明,建议的dNL-ILP求解器支持理想的功能,如递归和谓词发明。此外,我们研究了所提出的ILP求解器在涉及基准关系数据集的分类任务中的性能。特别是,我们表明,我们提出的方法在Mutagenesis,Cora和IMDB数据集的分类任务中优于最先进的ILP求解器。
2019-06-08 cs.AI cs.LO
Logic Programming for Finding Models in the Logics of Knowledge and its Applications: A Case Study
Arizona State Univ.(亚利桑那州立大学);New Mexico State Univ.(新墨西哥州立大学)
知识逻辑是模态逻辑,已被证明是有效的表示和推理的知识在多代理领域。用于处理模型计算和知识逻辑中的有用转换的计算框架相对较少(例如,以支持具有知识动作和可见度的多代理规划)。本文探讨了使用逻辑编程(LP)编码有趣的形式的逻辑知识和计算Kripke模型。的LP建模扩展与有用的运营商Kripke结构,以支持多智能体规划中存在的世界改变和知识的行动。这将导致有史以来第一次实现这种类型的复杂的多智能体域的规划。
2010-07-21 cs.AI cs.LO
DeepStochLog: Neural Stochastic Logic Programming
KU Leuven(鲁汶大学);Örebro University(厄勒布鲁大学)
神经符号学习的最新进展,如DeepProbLog,用神经谓词扩展了概率逻辑程序。像图形模型一样,这些概率逻辑程序定义了可能世界上的概率分布,对于这种概率分布,推理在计算上是困难的。我们提出了DeepStochLog,一个替代的神经符号框架的基础上随机确定子句语法,一种类型的随机逻辑程序,它定义了一个概率分布在可能的推导。更具体地说,我们将神经语法规则引入到随机定冠词语法中,以创建一个可以端到端训练的框架。我们发现,推理和学习神经随机逻辑编程规模远远优于神经概率逻辑程序。此外,实验评估表明,DeepStochLog在具有挑战性的神经符号学习任务上取得了最先进的结果。
2021-06-23 cs.AI cs.LO
Propositional satisfiability in declarative programming
ASP范式是一种使用逻辑来解决搜索问题的方法。给定一个搜索问题,为了解决它,人们在逻辑中设计了一个理论,以便这个理论的模型代表问题的解决方案。要计算一个问题的解,需要计算相应理论的模型。在逻辑程序设计的基础上,利用稳定模型的语义,发展了几种答案集程序设计形式。在本文中,我们表明,谓词演算的逻辑也产生了有效的实现的ASP范式,类似的精神,逻辑编程与稳定的模型语义和类似的适用范围。具体来说,我们提出了两个逻辑的基础上谓词演算编码搜索问题的形式主义。我们表明,这些逻辑的表达能力是由类NP-搜索。我们演示了如何使用它们在编程和开发计算工具的模型发现。在逻辑的情况下,我们的技术减少问题的命题可满足性,并允许使用现成的可满足性求解器。另一种逻辑的语言具有更复杂的语法,并提供了明确的方法来建模一些高级约束。对于这种逻辑中的理论,我们设计了自己的求解器,它利用了扩展的语法。我们目前的实验结果表明计算的整体方法的有效性。
2002-11-25 cs.AI cs.LO
Proceedings 35th International Conference on Logic Programming (Technical Communications)
自1982年在马赛举行第一次会议以来,ICLP一直是展示逻辑编程研究的首要国际活动。在逻辑编程的所有领域寻求贡献,包括但不限于:基础:语义学,形式主义,非单调推理,知识表示。语言:并发,对象,协调,移动性,高阶,类型,模式,断言,模块,元编程,基于逻辑的领域特定语言,编程技术。声明式编程:声明式程序开发,分析,类型和模式推理,部分求值,抽象解释,转换,验证,验证,编译,分析,测试,执行可视化实现:虚拟机,编译,存储管理,并行/分布式执行,约束处理规则,制表,外部接口,用户界面。相关范例和协同作用:归纳和协同归纳逻辑程序设计、约束逻辑程序设计、答案集程序设计、与SAT、SMT和CSP求解器的交互、类型推断和定理证明的逻辑程序设计技术、论证、概率逻辑程序设计、与面向对象和函数式程序设计的关系。应用领域:数据库、大数据、数据集成和联合、软件工程、自然语言处理、Web和语义网、代理、人工智能、计算生命科学、教育、网络安全和机器人技术。
2019-09-17 cs.AI cs.LO cs.PL
Interpolation in Equilibrium Logic and Answer Set Programming: the Propositional Case
King’s College London(伦敦国王学院);Universidad Politécnica de Madrid(马德里理工大学);Universidad de Málaga(马拉加大学)
插值是经典逻辑和许多非经典逻辑的重要性质,在计算机科学和人工智能中有着重要的应用。在这里,我们研究的插值性质的命题版本的非单调系统的平衡逻辑,建立较弱或较强的形式的插值依赖于推理关系的精确解释。这些结果也产生了一种形式的插值地面逻辑程序下的回答集语义。对于析取逻辑程序,我们还研究了与变量遗忘概念密切相关的一致插值的性质。
2010-12-17 cs.AI cs.LO
Proceedings 36th International Conference on Logic Programming (Technical Communications)
自1982年在马赛举行第一次会议以来,ICLP一直是展示逻辑编程研究的首要国际活动。在逻辑编程和相关领域的所有领域征求贡献,包括但不限于:-基础:语义学,形式主义,集合编程,非单调推理,知识表示。- 声明式编程:推理引擎,分析,类型和模式推理,部分求值,抽象解释,转换,验证,验证,建模,分析,测试,基于逻辑的领域特定语言,约束处理规则。- 相关范例和协同作用:归纳和协同归纳逻辑程序设计、约束逻辑程序设计、与SAT、SMT和CSP求解器的交互、用于类型推断和定理证明的逻辑编程技术、论证、概率逻辑程序设计、与面向对象和函数式编程的关系、描述逻辑、神经符号机器学习、混合深度学习和符号推理。- 实施情况:并发和分布,对象,协调,移动性,虚拟机,编译,高阶,类型系统,模块,约束处理规则,元编程,外部接口,用户界面。- 应用领域:数据库、大数据、数据集成和联合、软件工程、自然语言处理、Web和语义网、代理、人工智能、生物信息学、教育、计算生命科学、教育、网络安全和机器人技术。
2020-09-19 cs.AI cs.LO cs.PL
Minimum Model Semantics for Extensional Higher-order Logic Programming with Negation
University of Athens(雅典大学);University of Szeged(塞格德大学)
可拓高阶逻辑程序设计是经典逻辑程序设计的推广。这种范式的一个重要特征是它保留了传统逻辑编程的所有众所周知的属性。在本文中,我们考虑在新的范式的背景下,否定的语义。利用非单调不动点理论的一些最新结果,我们证明了每一个带否定的高阶逻辑程序都有唯一的最小无穷值模型。通过这种方式,我们获得了第一个纯粹的模型论语义的否定在可拓高阶逻辑编程。使用我们的方法,我们解决了一个老的悖论,介绍了W。W. Wadge,以证明高阶逻辑编程的语义困难。
2014-05-15 cs.AI cs.LO cs.PL
Introduction to the 35th International Conference on Logic Programming Special Issue
Sabanci University(萨班哲大学);Università di Perugia(佩鲁贾大学);Universitat Politècnica de València(瓦伦西亚理工大学);NVIDIA Corporation(英伟达公司)
我们很自豪地介绍这期特刊《逻辑编程理论与实践》(TPLP),专门介绍第35届逻辑编程国际会议(ICLP)接受的定期论文。ICLP会议于1982年在马赛开始,此后成为介绍和讨论逻辑编程领域工作的主要场所。正在考虑接受TPLP。
2019-08-10 cs.AI cs.LO cs.PL
Integrating Reasoning Systems for Trustworthy AI, Proceedings of the 4th Workshop on Logic and Practice of Programming (LPOP)
第4届编程逻辑与实践研讨会聚焦于可信人工智能的推理系统集成,将与第40届国际逻辑编程会议联合于2024年10月13日在美国达拉斯以混合形式举行,重点是集成不同编程模型与规则和约束。
2026-07-27 cs.AI cs.LO cs.PL
Extensional Higher-Order Logic Programming
University of Athens(雅典大学);University of Victoria(维多利亚大学)
我们提出了一个纯粹的扩展语义高阶逻辑编程。在这个语义中,程序谓词表示有序元组的集合,两个谓词相等当且仅当它们作为集合相等。此外,每个程序都有唯一的最小Herbrand模型,它是程序所有Herbrand模型的最大下界,也是直接结果算子的最小不动点。我们还提出了一个SLD分辨率证明程序,这是证明的声音和完整的最小模型语义。换句话说,我们提供了一个纯粹的扩展的理论框架,高阶逻辑编程的经典(一阶)逻辑编程的熟悉的理论。
2011-06-17 cs.AI cs.LO cs.PL
Temporal Phylogenetic Networks and Logic Programming
时间系统发生网络的概念是一个自然语言家族进化的数学模型。它考虑到这样一个事实,即当语言社区接触时,语言可以相互交换它们的特征,而且只有当语言同时被使用时,接触才是可能的。我们展示了如何计算方法的答案集编程和约束逻辑编程可以用来生成似是而非的approachetures史前语言社区之间的接触,并说明我们的方法,将其应用到印欧语言的进化史。出现在逻辑编程理论与实践(TPLP)中。
2005-08-30 cs.AI cs.LO cs.PL
Logic Programming Semantics for Causal Processes
German University Of Digital Science Potsdam(德国波茨坦数字科学大学)
研究逻辑程序设计语义与因果过程最终状态的关系,指出正逻辑程序稳定模型对应特定过程最终状态,支持模型描述任意起点可达状态,为逻辑程序设计语义讨论提供新视角及时间维度。
2026-07-24 cs.AI cs.LO cs.PL
The Logic Programming Paradigm and Prolog
这是一个关于逻辑编程和Prolog的教程,适合于熟悉命令式编程的学生的程序设计语言课程。
2001-07-12 cs.AI cs.PL
Proceedings of the First International Workshop on Argumentation in Logic Programming and Non-Monotonic Reasoning (Arg-LPNMR 2016)
本卷包含Arg-LPNMR 2016上发表的论文:第一届逻辑编程和非单调推理论证国际研讨会,于2016年7月8日至10日在纽约州纽约市举行。
2016-11-08 cs.AI
Expert Systems with Logic#. A Novel Modeling Framework for Logic Programming in an Object-Oriented Context of C#
IU International University of Applied Sciences(IU国际应用科学大学)
我们提出了一种新的方法如何逻辑编程的专家系统可以直接声明在一个面向对象的语言。
2022-05-16 cs.AI cs.PL
Logic Programming with Ordered Disjunction
具有有序析取的逻辑程序(LPOD)结合了定性选择逻辑(Brewka et al. KR 2002)和答案集编程的基本思想。在回答集语义下的逻辑程序设计中引入了一种新的连接词--有序析取。新的连接词允许我们在规则的头部表示问题解决方案的替代性、排名选项:A \times B直观地意味着:如果可能,A,但如果A不可能,那么至少B。具有有序析取的逻辑程序的语义是基于答案集上的偏好关系。LPOD对于设计和配置中的应用是有用的,并且可以作为定性决策的基础。
2002-07-11 cs.AI
Probabilistic Logic Programming under Inheritance with Overriding
我们提出了概率逻辑编程下的继承覆盖。这种方法是基于新的概念蕴涵推理的条件约束,这是从经典的概念逻辑蕴涵通过添加继承与覆盖的原则。这是通过使用最近的方法概率默认推理与条件约束。我们分析了新蕴涵关系的语义特性。我们还提出了概率逻辑编程的算法继承覆盖,程序转换,以提高效率。
2013-01-10 cs.AI
Preprocessing in Inductive Logic Programming
Linacre College University of Oxford(牛津大学李纳克尔学院)
归纳逻辑程序设计是一种机器学习,其中逻辑程序从示例中学习。这种学习通常相对于作为逻辑程序提供的某些背景知识发生。本文介绍了底层预处理,一种在ILP系统必须考虑的程序上生成初始约束的方法。底层预处理将逆蕴涵的思想应用于现代ILP系统。逆蕴涵是Progol引入的一种有影响力的早期ILP方法。本文还提出了$\bot$ -Popper,它是现代ILP系统Popper的底层预处理的一个实现.实验表明,底层预处理可以减少ILP系统在困难问题上的学习时间。当问题中的背景知识量很大时,这种减少可能特别显著。
2021-12-21 cs.AI cs.LG cs.LO
Non-Deterministic Approximation Fixpoint Theory and Its Application in Disjunctive Logic Programming
Open Universiteit(开放大学);Tel-Aviv Academic College(特拉维夫学术学院);Vrije Universiteit Brussel(布鲁塞尔自由大学)
近似不动点理论(AFT)是研究非单调逻辑语义的一个抽象而通用的代数框架。它提供了对非单调推理的不同形式主义的语义的统一研究,例如逻辑编程、默认逻辑和自认识逻辑。在本文中,我们将AFT扩展到处理非确定性结构,允许处理不确定的信息,例如由析取公式表示。这是通过将AFT的主要构造和相应结果推广到非确定性算子来完成的,其范围是元素的集合而不是单个元素。这种概括的适用性和有用性的上下文中说明的析取逻辑编程。
2022-12-01 cs.AI
A Logic Programming Framework for Possibilistic Argumentation with Vague Knowledge
University of Lleida(莱里达大学);Universidad Nacional del Sur(南方国立大学);IIIA – CSIC(西班牙国家研究委员会人工智能研究所)
可废止的论证框架已经发展成为一个健全的设置,从不完整的和潜在的不一致的知识形式化常识,定性推理。可废止逻辑程序设计(DeLP)是一种基于逻辑程序设计扩展的可废止论证形式。虽然DeLP已经成功地集成在许多不同的现实世界的应用程序,DeLP不能处理明确的不确定性,也不与模糊的知识,因为可解除性是直接编码在对象语言。本文介绍了P-DeLP,一种新的逻辑程序设计语言,扩展了原来的DeLP定性推理的能力,将处理可能性的不确定性和模糊知识。这些功能将正式的基础上PGL,可能性逻辑的基础上哥德尔模糊逻辑。
2012-07-11 cs.AI
Proceedings 39th International Conference on Logic Programming
Imperial College London(伦敦帝国学院)
本卷为ICLP 2023会议的技术通讯集,涵盖主轨道、博士联盟、应用与系统/演示、近期发表研究、兴趣小组及逻辑程序设计与机器学习、可解释性、伦理和可信赖性等主题轨道。
2023-08-28 cs.AI cs.LO cs.PL
Logic Programming with Satisfiability
本文提出了一个Prolog接口的MiniSat可满足性求解器。具有可满足性的逻辑程序- ming结合了两种范式的优势:一方面将搜索问题编码为可满足性的逻辑编程,另一方面有效地求解SAT。这两者之间的协同作用暴露了一个编程范式,我们在这里提出的逻辑编程珍珠。为了说明逻辑编程与SAT解决我们给出了一个例子Prolog程序解决部分MAXSAT的实例。
2007-02-13 cs.AI cs.PL
Programming in logic without logic programming
Imperial College London(伦敦帝国学院)
在以前的工作中,我们提出了一个基于逻辑的框架,其中计算是执行的行动,试图作出反应的规则的形式,如果前件,然后在一个规范模型的逻辑程序确定的初始状态,事件序列,以及随后的状态序列。在这种模型论语义中,反应规则是驱动力,而逻辑程序只起辅助作用。在规范模型中,状态、动作和其他事件用时间戳表示。但在操作语义中,为了效率起见,省略了时间戳,仅维护当前状态。状态转换是通过执行操作来反应性地执行的,以便在前件变为真时使规则的后件变为真。这种操作语义是合理的,但不完整。它不能通过阻止它们的前因变为真,或者在它们的前因变为真之前主动地使它们的后因变为真,来使反应性规则变为真。本文给出了反应式模型的概念,证明了操作语义可以生成所有且仅生成反应式模型。为了专注于主要问题,我们省略了框架的逻辑编程组件。
2016-01-05 cs.AI
Introduction to the 28th International Conference on Logic Programming Special Issue
Univ. di Udine(乌迪内大学);CRACS(高级计算研究中心);INESC-TEC(葡萄牙系统与计算机工程研究所-技术与科学);Univ. do Porto(波尔图大学)
我们很自豪地介绍这期《逻辑编程理论与实践杂志》(TPLP)的特刊,致力于第28届逻辑编程国际会议(ICLP)的论文全文。ICLP会议于1982年在马赛开始,此后成为介绍和讨论逻辑编程领域工作的主要场所。
2012-10-15 cs.AI cs.PL
Learning Onto-Relational Rules with Inductive Logic Programming
规则补充和扩展了语义Web上的本体。我们将这些规则称为本体关系,因为它们结合了基于DL的本体语言和支持逻辑编程和演绎数据库传统内的关系数据模型的知识表示形式。规则编写是一项要求非常高的知识工程任务,可以通过应用机器学习算法来部分自动化。在这一章中,我们将展示归纳逻辑程序设计(ILP),诞生于机器学习和逻辑程序设计的交叉点,并被认为是关系学习的主要方法,可以适应本体关系学习。为了说明,我们提供了一个具体的本体关系学习解决方案的问题,学习基于规则的定义DL概念和角色与ILP的细节。
2012-10-29 cs.AI cs.DB cs.LG
Parallel Logic Programming: A Sequel
Università di Udine(乌迪内大学);GNCS-INdAM(意大利国家高等数学研究院-国家科学计算小组);University of Texas at Dallas(德克萨斯大学达拉斯分校);IMDEA Software Institute(IMDEA 软件研究所);Universidad Politécnica de Madrid(马德里理工大学);New Mexico State University(新墨西哥州立大学);CRACS/INESC TEC(CRACS/INESC TEC 研究所);University of Porto(波尔图大学)
多核和高度连接的架构已经变得无处不在,这带来了新的兴趣,基于语言的方法来开发并行性。逻辑程序设计自诞生以来就被认为是一种具有巨大潜力的并行性自动开发的编程范式。2001年出版的对并行逻辑编程前二十年研究的全面调查,一直是研究人员和开发人员的基本参考。这些内容在今天是相当有效的,但与此同时,该领域在随后的几年中继续快速发展。这些成就和正在进行的研究中有许多是由技术创新的快速步伐推动的,这导致了诸如超大型集群、多核处理器的广泛普及、通用图形处理单元的游戏规则改变作用以及云计算的普遍采用等进步。这已经被逻辑编程中的重大进步所证实,例如制表、更强大的静态分析和验证、应答集编程的快速增长,以及一般来说,更成熟的实现和系统。本次调查提供了自2001年以来的并行逻辑编程研究的回顾,从而提供了前一次调查的自然延续。该调查的目标是不仅作为逻辑编程系统的研究人员和开发人员的参考,而且作为对逻辑感兴趣的任何人的引人入胜的阅读,并作为逻辑编程之外的并行系统研究人员的有用资源。逻辑程序设计理论与实践(TPLP)
2022-01-24 cs.AI cs.DC cs.LO
AppLP: A Dialogue on Applications of Logic Programming
Stony Brook University(石溪大学)
本文介绍了2016年逻辑编程应用研讨会(AppLP)的贡献,该研讨会于10月17日举行,与纽约市法拉盛的逻辑编程国际会议(ICLP)有关。
2017-04-07 cs.AI cs.LO cs.PL
Neuro-Symbolic Inductive Logic Programming with Logical Neural Networks
IBM Research(IBM研究院)
神经符号归纳逻辑程序设计的最新工作已经导致了有前途的方法,可以从嘈杂的,真实世界的数据中学习解释规则。虽然一些建议近似的逻辑运算符与可微运算符从模糊或实值逻辑是无参数的,从而减少了他们的能力,以适应数据,其他方法只是松散的逻辑,使其难以解释学习的“规则”。在本文中,我们提出了学习规则与最近提出的逻辑神经网络(LNN)。与其他神经网络相比,LNN提供了与经典布尔逻辑的强连接,从而允许精确解释学习的规则,同时包含可以使用基于梯度的优化来训练的参数,以有效地拟合数据。我们将LNN扩展到一阶逻辑中的归纳规则。我们对标准基准测试任务的实验证实,LNN规则具有高度的可解释性,并且由于其灵活的参数化,可以达到相当或更高的精度。
2021-12-06 cs.AI cs.LG cs.LO
Towards Distributed Logic Programming based on Computability Logic
DongA University(东亚大学)
{ \em Computability logic}(CoL)是一个强大的计算模型,它将计算问题视为机器及其环境之间的博弈。在本文中,我们表明,CoL自然支持分布式控制的多智能体编程模型。具体地说,我们讨论了一个基于CoL的分布式逻辑编程模型(确切地说是CL 1),我们称之为CL 1 ^Ω。该模型的主要特点是支持Agent的$dynamic/evolving$知识库。事实证明,这种模型是实现通用AI和未来计算模型的一种有前途的方法。
2022-08-07 cs.AI cs.PL
Neural Probabilistic Logic Programming in DeepProbLog
KU Leuven(鲁汶大学);Cardiff University(卡迪夫大学);Ghent University - imec(根特大学-imec)
我们介绍DeepProbLog,这是一种神经概率逻辑程序设计语言,通过神经谓词结合了深度学习。我们将展示如何现有的推理和学习技术的基础概率逻辑程序设计语言ProbLog可以适应新的语言。我们从理论和实验上证明了DeepProbLog支持(i)符号和子符号表示和推理,(ii)程序归纳,(iii)概率(逻辑)编程,以及(iv)从示例中进行(深度)学习。据我们所知,这项工作是第一个提出一个框架,其中通用神经网络和表达概率逻辑建模和推理集成的方式,利用充分的表现力和两个世界的优势,可以训练端到端的基础上的例子。
2019-09-23 cs.AI
Lazy Explanation-Based Approximation for Probabilistic Logic Programming
我们介绍了一个懒惰的方法,基于推理的概率逻辑程序的近似。在搜索解释时,它只使用程序中最重要的部分。其结果是一个快速和随时近似推理算法,返回硬下限和上限的确切概率。我们的实验表明,这种方法优于国家的最先进的近似推理。
2015-07-10 cs.AI
DeepProbLog: Neural Probabilistic Logic Programming
KU Leuven(鲁汶大学);Cardiff University(卡迪夫大学);Ghent University - imec(根特大学-校际微电子中心)
我们介绍DeepProbLog,这是一种概率逻辑程序设计语言,通过神经谓词结合了深度学习。我们展示了如何现有的推理和学习技术可以适应新的语言。我们的实验表明,DeepProbLog支持符号和子符号表示和推理,1)程序归纳,2)概率(逻辑)编程,3)从示例中进行(深度)学习。据我们所知,这项工作是第一个提出一个框架,其中通用神经网络和表达概率逻辑建模和推理集成的方式,利用充分的表现力和两个世界的优势,可以训练端到端的基础上的例子。
2018-12-12 cs.AI
Logic Programming Approaches for Representing and Solving Constraint Satisfaction Problems: A Comparison
许多基于逻辑编程的方法可以用来描述和解决组合搜索问题。一方面,存在约束逻辑编程,其计算解作为对包含约束满足问题的变量的查询的答案替换。另一方面,也有基于稳定模型语义的系统,溯因系统和一阶逻辑模型生成器,它们将解计算为某些理论的模型。本文从知识表示(程序的声明性如何)和性能(它们在解决典型问题时的表现如何)的角度比较了这些不同的方法。
2000-11-21 cs.AI
FLUX: A Logic Programming Method for Reasoning Agents
FLUX是一种用于设计代理的编程方法,该代理在存在不完整知识的情况下对它们的动作和传感器信息进行逻辑推理。FLUX的核心是一个约束处理规则系统,它使代理能够维护其环境的内部模型,并通过该模型控制自己的行为。流演算的一般动作表示形式为约束求解器提供了形式语义。FLUX表现出出色的计算行为,由于这两个仔细限制的表达和推理范式的进展。
2004-08-19 cs.AI
Two results for proiritized logic programming
优先缺省推理在知识表示和推理中表现出了丰富的表达能力和灵活性。然而,优先缺省推理的许多重要方面还有待深入探讨。在本文中,我们研究两个性质的优先级逻辑程序的背景下,回答集语义。具体来说,我们揭示了一个密切的关系,相互可撤销性和唯一性的答案集的优先级逻辑程序。然后,我们探讨如何扩展逻辑程序的分裂技术可以扩展到优先级的逻辑程序。我们证明了分裂定理,可以用来简化在一定条件下的优先级逻辑程序的评价。
2002-03-05 cs.AI
Planning with Preferences using Logic Programming
我们提出了一个声明性的语言,PP,规划问题的可能的解决方案(或轨迹)之间的偏好的高层次规范。这种新颖的语言允许用户优雅地表达非平凡的、多维的偏好和优先于这些偏好的优先级。PP的语义允许识别给定目标的最优选轨迹。我们还提供了一个答案集编程实现规划问题与PP的喜好。
2005-08-31 cs.AI
Probabilistic Disjunctive Logic Programming
在本文中,我们提出了一个框架相结合的析取逻辑编程和普尔的概率角溯因。我们使用假设的概念来指定概率结构。我们考虑概率信息不可用的情况。我们不使用概率区间,而是允许指定析取的概率。由于最小模型被用作选言逻辑程序设计中的特征模型,我们应用最小模型集上的无差异原理来推导违约概率值。我们定义了公式的解释和部分解释的概念,并用它们来确定程序诱导的违约概率分布。提出了一种计算目标违约概率的算法。
2013-02-13 cs.AI
Logic programming with social features
在日常生活中,为了达到自己的目标,一个人不得不对别人的想法和行为进行推理。换句话说,一个人可能需要通过推理他人的精神状态来调整自己的行为。在本文中,我们专注于一个知识表示语言来自逻辑编程,既支持表示的心理状态的个人社区,并提供了每个推理的能力,对他人的心理状态,并采取相应的行动。所提出的语义被证明是可翻译成稳定的模型语义的逻辑程序与聚集。
2008-05-22 cs.AI
onlineSPARC: a Programming Environment for Answer Set Programming
Tufts University(塔夫茨大学);Texas Tech University(得克萨斯理工大学)
逻辑编程的最新进展(例如,答案集编程范例的发展)使得将其教授给普通大学生甚至初中/高中学生成为可能。鉴于这些学生接触计算机科学的机会有限,下载、安装和使用编写逻辑程序的工具的复杂性可能是逻辑编程接触更广泛受众的主要障碍。我们开发了一个在线的答案集编程环境,一个自包含的文件系统和一个简单的界面。它允许用户键入/编辑逻辑程序,并在程序上执行几项任务,包括对程序进行查询,获取程序的答案集,以及基于程序的答案集生成绘图/动画。
2018-09-21 cs.AI
Operationalizing Declarative and Procedural Knowledge: a Benchmark on Logic Programming Petri Nets (LPPNs)
Informatics Institute, University of Amsterdam(阿姆斯特丹大学信息学研究所)
对复杂系统进行建模、指定和推理需要以集成的方式处理目标域的声明性和过程性方面。本文报告的逻辑编程Petri网(LPPNs),一个符号扩展Petri网与逻辑编程结构的命题版本进行的实验。提出了两种语义:通过事件演算将符号完全映射到ASP的指称语义;以及通过Petri网分别处理因果机制和通过应答集编程(ASP)处理与对象和事件相关联的约束的混合操作语义。这两个替代规范使得能够在计算效率方面进行经验评估。实验结果表明,混合语义比传统语义更有效。序列,而这两个语义遵循相同的行为w.r.t.分支(尽管在绝对值方面,外延分支表现得更好)。
2020-07-31 cs.AI
A general approach to belief change in answer set programming
Simon Fraser University(西蒙菲莎大学)
我们解决问题的信念改变(非单调)逻辑编程下的答案集语义。与以往的方法,相信逻辑编程的变化,我们的形式化技术类似于那些基于距离的信念修正命题逻辑。在发展我们的结果,我们建立在SE模型提供的逻辑程序的模型理论。由于SE模型提供了一个正式的,单调的逻辑程序的特点,我们可以适应技术从信仰的修订领域的信念改变逻辑程序。我们分别介绍了修改和合并逻辑程序的方法。对于前者,我们研究了基于子集的修订以及基数为基础的修订,我们表明,他们满足大多数的AGM修改假设。对于合并,我们考虑仲裁合并和IC合并后的运营商,分别。我们还提出了编码计算的修订,以及合并的逻辑程序在同一逻辑编程框架内,引起我们的方法在现成的答案集求解器方面的直接实施。这些编码反过来反映了这样一个事实,即我们的变化操作符并没有增加基本形式主义的复杂性。
2009-12-30 cs.AI
Answer Set Programming Made Easy
University of Nebraska at Omaha(内布拉斯加大学奥马哈分校);University of Potsdam(波茨坦大学)
我们从答案集编程的民间传说中汲取了一个想法,即选择,完整性约束以及受限规则格式对于答案集编程来说已经足够了。我们在这里和那里的逻辑的背景下详细阐述了这一想法的基础,并展示了它如何可以从逻辑原则的扩展定义。然后,我们提供了一个朴素的形式的逻辑程序,可以作为一个标准形式的逻辑程序类似于合取范式在经典逻辑。最后,我们采取的关键思想,并提出了一个建模方法,为ASP初学者,并说明它可以如何使用。
2021-11-24 cs.AI
Solving Distributed Constraint Optimization Problems Using Logic Programming
New Mexico State University(新墨西哥州立大学)
本文探讨了使用答案集编程(ASP)解决分布式约束优化问题(DCOPs)。本文的创新之处在于:(1)将DCOP表示为逻辑程序:(2)介绍了第一个基于逻辑程序设计的DCOP算法ASP-DPOP;(3)实验表明,ASP-DPOP比DPOP快两个数量级(它的命令式编程对应)以及解决一些问题,DPOP未能解决,由于内存限制;以及(4)它证明了ASP在目前被建模为DCOP的一系列多Agent问题中的适用性。逻辑程序设计理论与实践(TPLP)
2017-05-10 cs.AI cs.MA
Logic and Constraint Logic Programming for Distributed Constraint Optimization
New Mexico State University(新墨西哥州立大学)
分布式约束优化问题(DCOPs)领域已经获得了发展势头,这要归功于其在捕获复杂问题(例如,多代理协调和资源分配问题),这些问题是自然分布的,并且不能以集中的方式现实地解决。解决DCOP的现有技术依赖于使用ad-hoc基础设施和ad-hoc约束求解过程。本文研究了一种完全基于逻辑编程技术的解决DCOPs的基础设施。特别是,本文探讨了使用一般的约束求解器(约束逻辑编程系统在这种情况下)来处理代理级约束求解。初步实验表明,逻辑编程在性能和可扩展性方面提供了优于最先进的DCOP系统的益处,为使用更先进的技术(例如,搜索策略和复杂约束)来求解DCOP。
2014-05-14 cs.AI cs.MA
Semirings for Probabilistic and Neuro-Symbolic Logic Programming
KU Leuven(鲁汶大学);Leuven.AI - KU Leuven Institute for AI(鲁汶人工智能研究所);Örebro University(厄勒布鲁大学);Center for Applied Autonomous Systems(应用自主系统中心)
本文提出用半环代数框架统一概率逻辑程序设计的多种扩展,将事实标记为半环元素并以加法、乘法替代析取、合取,从而涵盖离散、连续及神经符号方法及其模型计数执行机制。
2024-02-21 cs.AI
Symmetry breaking for inductive logic programming
本研究提出了一种在归纳逻辑编程中打破对称性的方法,通过答案集编程实现,显著提升了在视觉推理和游戏玩法等领域的求解效率。
2026-01-23 cs.AI cs.LG