Probabilistic Answer Set Programming with Discrete and Continuous Random Variables

要約

資格セマンティクスに基づく確率的回答セット プログラミング (PASP) は、不確実な情報を表す確率的事実を使用して回答セット プログラミングを拡張します。
確率的事実はベルヌーイ分布では離散的です。
ただし、いくつかの現実世界のシナリオでは、離散確率変数と連続確率変数の両方の組み合わせが必要です。
この論文では、PASP フレームワークを拡張して連続確率変数をサポートし、ハイブリッド確率的解答セット プログラミング (HPASP) を提案します。
さらに、予測された回答セットの列挙と知識の編集に基づく 2 つの正確なアルゴリズムと、サンプリングに基づく 2 つの近似アルゴリズムのパフォーマンスについて議論、実装、評価します。
経験的結果は、既知の理論的結果とも一致しており、正確な推論は小規模なインスタンスに対してのみ実行可能ですが、知識の編集がパフォーマンスに大きなプラスの影響を与えることを示しています。
サンプリングを使用すると、より大きなインスタンスを処理できますが、必要なメモリ量が増加する場合があります。
論理プログラミングの理論と実践 (TPLP) で検討中。

要約(オリジナル)

Probabilistic Answer Set Programming under the credal semantics (PASP) extends Answer Set Programming with probabilistic facts that represent uncertain information. The probabilistic facts are discrete with Bernoulli distributions. However, several real-world scenarios require a combination of both discrete and continuous random variables. In this paper, we extend the PASP framework to support continuous random variables and propose Hybrid Probabilistic Answer Set Programming (HPASP). Moreover, we discuss, implement, and assess the performance of two exact algorithms based on projected answer set enumeration and knowledge compilation and two approximate algorithms based on sampling. Empirical results, also in line with known theoretical results, show that exact inference is feasible only for small instances, but knowledge compilation has a huge positive impact on the performance. Sampling allows handling larger instances, but sometimes requires an increasing amount of memory. Under consideration in Theory and Practice of Logic Programming (TPLP).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google