سه نقش مدرن برای منطق در AI

این هشدار با موفقیت اضافه شده است و به شما ارسال می شود: هر زمان که رکوردی که انتخاب کرده اید استناد شده است ، به شما اطلاع داده می شود.

برای مدیریت تنظیمات برگزیده هشدار خود ، روی دکمه زیر کلیک کنید. هشدارهای من را مدیریت کنید

هشدار استناد جدید!

لطفا وارد حساب کاربری خود شوید

صرفه جویی در اتصال

نام

Pods'20: مجموعه مقالات 39 سمپوزیوم ACM SIGMOD-SIGAI-SIGAI در مورد اصول سیستم های پایگاه داده

سه نقش مدرن برای منطق در AI

صفحات 229-243

خلاصه

ما سه نقش مدرن را برای منطق در هوش مصنوعی در نظر می گیریم ، که مبتنی بر تئوری مدارهای قابل حمل بولی است: (1) منطق به عنوان پایه ای برای محاسبه ، (2) منطق برای یادگیری از ترکیبی از داده ها و دانش ، و (3)منطق استدلال در مورد رفتار سیستم های یادگیری ماشین.

منابع

1. آنتوان آماریلی. 2019. اثبات در پایگاه داده ها و پیوندها به تدوین دانش. در کارگاه Kocoon در مورد تدوین دانش. http://kocoon. gforge. inria. fr/slides/amarilli. pdf. گوگل دانشکده
2. پل Beame و Vincent Liew. 2015. محدودیت های جدید برای تدوین دانش و برنامه های کاربردی برای شمارش مدل دقیق. در UAIAuai Press ، 131-140. گوگل دانشکده
3. Beate Bollig و Matthias Buttkus. 2019. در مورد موجز بودن نسبی نمودارهای تصمیم گیری حساس. محاسبات تئوری. syst. ، جلد. 63 ، 6 (2019) ، 1250--1277. کتابخانه Scholardigital Google
4. کریگ بوتیلیر ، نیر فریدمن ، مویز گلدسمیدت و دافنه کولر. 1996. استقلال خاص زمینه در شبکه های بیزی. در UAI115--123. گوگل دانشکده
5. سیمون بووا. 2016. SDD ها از نظر OBDDS از نظر ظاهری موجز تر هستند. در aaai929--935. گوگل دانشکده
6. Simone Bova ، Florent Capelli ، Stefan Mengel و Friedrich Slivovsky. 2016. تدوین دانش از پیچیدگی ارتباطات برخوردار است. در IJCAIIJCAI/AAAI Press ، 1008--1014. گوگل دانشکده
7. Randal E. Bryant. 1986. الگوریتم های مبتنی بر نمودار برای دستکاری عملکرد بولی. IEEE ترانس. رایانه ها ، جلد. 35 ، 8 (1986) ، 677--691. کتابخانه Scholardigital Google
8. مارکو کادولی و Francesco M. Donini. 1997. نظرسنجی در مورد تدوین دانش. AI Commun. ، جلد. 10 ، 3،4 (1997) ، 137--150. کتابخانه Scholardigital Google
9. هی چان و عدنان دارویچ. 2003. استدلال در مورد طبقه بندی کننده های شبکه بیزی. در مجموعه مقالات نوزدهمین کنفرانس عدم اطمینان در هوش مصنوعی (UAI). 107--115. گوگل دانشکده
10. مارک چویرا و عدنان دارویچ. 2008. در مورد استنباط احتمالی توسط شمارش مدل وزنی. هوش مصنوعی ، جلد. 172 ، 6--7 (آوریل 2008) ، 772--799. کتابخانه Scholardigital Google
11. سمینگ ارمیا چن ، آرتور چوی و عدنان دارویچ. 2015. ارزش اطلاعات بر اساس استحکام تصمیم. در aaaiAAAI Press ، 3503--3510. گوگل دانشکده
12. آرتور چوی و عدنان دارویچ. 2013. به حداقل رساندن پویا نمودارهای تصمیم گیری منتخب. در مجموعه مقالات بیست و هفتمین کنفرانس هوش مصنوعی (AAAI). گوگل دانشکده
13. آرتور چوی و عدنان دارویچ. 2017. در مورد جبرگرایی آرامش بخش در مدارهای حسابی. در مجموعه مقالات سی و چهارم کنفرانس بین المللی یادگیری ماشین (ICML). 825--833. گوگل دانشکده
14. آرتور چوی ، یوجیا شن و عدنان دارویچ. 2017b. قابلیت پخش در فضاهای احتمال ساختاری. در نیپسگوگل دانشکده
15. آرتور چوی ، ویجیا شی ، اندی شی و عدنان دارویچ. 2019. گردآوری شبکه های عصبی در مدارهای بولی قابل تراکت. در سمپوزیوم بهاری AAAI در مورد تأیید شبکه های عصبی (VNN). گوگل دانشکده
16. آرتور چوی ، نازگول طاوابی و عدنان دارویچ. 2016. ویژگی های ساختاری در طبقه بندی ساده لوح. در aaaiگوگل دانشکده
17. آرتور چوی ، گای ون دن بروک و عدنان دارویچ. 2015. یادگیری قابل قبول برای فضاهای احتمال ساختار یافته: یک مطالعه موردی در توزیع ترجیح یادگیری. در IJCAIگوگل دانشکده
18. آرتور چوی ، Yexiang Xue و Adnan Darwiche. 2012. احتمال همان تصمیم: یک اندازه گیری اطمینان برای تصمیمات مبتنی بر آستانه. مجله بین المللی استدلال تقریبی (IJAR) ، جلد. 53 ، 9 (2012) ، 1415--1428. کتابخانه Scholardigital Google
19. Yoojung Choi ، Adnan Darwiche و Guy Van Den Broeck. 2017a. انتخاب ویژگی بهینه برای استحکام تصمیم در شبکه های بیزی. در IJCAIijcai. org ، 1554--1560. گوگل دانشکده
20. یوجونگ چوی و گای ون دن بروک. 2018. در مورد پیرایش قوی طبقه بندی کننده های شبکه بیزی. در IJCAIijcai. org ، 5002--5009. گوگل دانشکده
21. ایو کراما و پیتر ال. هامر. 2011. توابع بولی - تئوری ، الگوریتم ها و برنامه ها. دائر ycl المعارف ریاضیات و کاربردهای آن ، جلد. 142. انتشارات دانشگاه کمبریج. گوگل دانشکده
22. عدنان دارویچ. 2001 الف. شکل عادی نفی تجزیه پذیر. J. ACM ، جلد. 48 ، 4 (2001) ، 608--647. کتابخانه Scholardigital Google
23. عدنان دارویچ. 2001 ب. در مورد شمارش قابل ردیابی مدل های تئوری و کاربرد آن در حفظ حقیقت و تجدید نظر در اعتقاد. مجله منطق غیر کلاسیک کاربردی ، جلد. 11 ، 1--2 (2001) ، 11--34. Google Scholarcross Ref
24. عدنان دارویچ. 2002. یک رویکرد منطقی برای فاکتورسازی شبکه های اعتقادی. در KR409--420. گوگل دانشکده
25. عدنان دارویچ. 2003. یک رویکرد دیفرانسیل برای استنباط در شبکه های بیزی. جک ، جلد. 50 ، 3 (2003) ، 280--305. کتابخانه Scholardigital Google
26. عدنان دارویچ. 2004. پیشرفت های جدید در تهیه CNF در شکل عادی نفی تجزیه پذیر. در ECAI328--332. گوگل دانشکده
27. عدنان دارویچ. 2009. مدل سازی و استدلال با شبکه های بیزی. انتشارات دانشگاه کمبریج. گوگل دانشکده
28. عدنان دارویچ. 2011. SDD: بازنمایی متعارف جدید از پایگاههای دانش گزاره. در IJCAI819--826. گوگل دانشکده
29. عدنان دارویچ. 2014. فرمالیسم نمایندگی دانش قابل ردیابی. در قابلیت ردیابی ، لوکاس بوردو ، یوسف همادی و Pushmeet Kohli (ویرایش.). انتشارات دانشگاه کمبریج ، 141-172. گوگل دانشکده
30. عدنان دارویچ. 2018. هوش سطح انسانی یا توانایی های مانند حیوانات؟ارتباطACM ، جلد. 61 ، 10 (2018) ، 56--67. کتابخانه Scholardigital Google
31. عدنان دارویچ و آرتور چوی. 2010. احتمال همان تصمیم: یک اندازه گیری اطمینان برای تصمیمات مبتنی بر آستانه تحت سنسورهای پر سر و صدا. در مجموعه مقالات پنجمین کارگاه اروپا در مورد مدلهای گرافیکی احتمالی (PGM). 113--120. گوگل دانشکده
32. Adnan Darwiche ، Rina DeChter ، Arthur Choi ، Vibhav Gogate و Lars Otten. 2008. نتایج حاصل از ارزیابی استنتاج احتمالی UAI-08.(2008). گوگل دانشکده
33. عدنان دارویچ و آگوست هرت. 2020. به دلایل تصمیم گیری. در مجموعه مقالات بیست و چهارمین کنفرانس اروپایی در مورد هوش مصنوعی (ECAI). گوگل دانشکده
34. عدنان دارویچ و پیر مارکیس. 2002. نقشه تلفیقی دانش. جایر ، جلد. 17 (2002) ، 229--264. کتابخانه Scholardigital Google
35. آنتون Dries ، Angelika Kimmig ، Wannes Meert ، Joris Renkens ، Guy Van Den Broeck ، Jonas Vlasselaer و Luc de Raedt. 2015. Problog2: برنامه نویسی منطق احتمالی. در ECML/PKDD (3) (یادداشت های سخنرانی در علوم کامپیوتر) ، جلد. 9286. Springer ، 312--315. گوگل دانشکده
36. مایکل A Fligner و Joseph S Verducci. 1986. مدل های رتبه بندی مبتنی بر فاصله. مجله انجمن آماری سلطنتی. سری B (روش شناختی) (1986) ، 359--369. گوگل دانشکده
37. Jinbo Huang ، Mark Chavira و Adnan Darwiche. 2006. حل نقشه دقیقاً با جستجو در مدارهای حسابی کامپایل شده. در aaai1143--1148. گوگل دانشکده
38. Jinbo Huang و Adnan Darwiche. 2007. زبان جستجو. J. Artif. هوشres(جایر) ، جلد. 29 (2007) ، 191--219. کتابخانه Scholardigital Google
39. الکسی ایگناتیف ، نینا نارودیسکا و جوآئو مارکز سیلوا. 2019 الف. توضیحات مبتنی بر آدم ربایی برای مدل های یادگیری ماشین. در مجموعه مقالات سی و سوم کنفرانس هوش مصنوعی (AAAI). 1511--1519. کتابخانه Scholardigital Google
40. الکسی ایگناتیف ، نینا نارودیسکا و جوآئو مارکز سیلوا. 2019 ب. در مورد توضیحات و نمونه های مخالف. در پیشرفت در سیستم های پردازش اطلاعات عصبی 32 (Neurips). 15857--15867. گوگل دانشکده
41. الکسی ایگناتیف ، نینا نارودیسکا و جوآئو مارکز سیلوا. 2019 ج. در مورد اعتبارسنجی ، تعمیر و پالایش توضیحات ML اکتشافی. Corr ، Vol. ABS/1907. 02509 (2019). گوگل دانشکده
42. Abhay Kumar Jha و Dan Suciu. 2013. تدوین دانش با تئوری پایگاه داده ملاقات می کند: تدوین نمایش داده شدگان به نمودارهای تصمیم گیری. محاسبات تئوری. syst. ، جلد. 52 ، 3 (2013) ، 403--440. کتابخانه Scholardigital Google
43. گای کاتز ، کلارک دبلیو بارت ، دیوید ال دیل ، کایل جولیان و میکل جی. کوچندر. 2017. RELUPLEX: یک حل کننده کارآمد SMT برای تأیید شبکه های عصبی عمیق. در تأیید صحت رایانه. 97--117. گوگل دانشکده
44. Doga Kisa ، Guy Van Den Broeck ، Arthur Choi و Adnan Darwiche. 2014. نمودارهای تصمیم گیری حرکتی احتمالی. در KRگوگل دانشکده
45. D. Koller و N. Friedman. 2009. مدل های گرافیکی احتمالی: اصول و تکنیک ها. گوگل دانشکده
46. ژان ماری لاگنیز و پیر مارکیس. 2017. یک کامپایلر تصمیم گیری DNNF بهبود یافته. در IJCAIijcai. org ، 667--673. گوگل دانشکده
47. آنا L. D. Latour ، Behrouz Babaki ، Anton Dries ، Angelika Kimmig ، Guy Van Den Broeck و Siegfried Nijssen. 2017. ترکیب بهینه سازی محدودیت تصادفی و برنامه نویسی احتمالی - از تدوین دانش تا حل محدودیت. در CP (یادداشت های سخنرانی در علوم کامپیوتر) ، جلد. 10416. Springer ، 495--511. گوگل دانشکده
48. Francesco Leofante ، Nina Narodytska ، Luca Pulina و Armando Tacchella. 2018. تأیید خودکار شبکه های عصبی: پیشرفت ها ، چالش ها و دیدگاه ها. Corr ، Vol. ABS/1805. 09938 (2018). گوگل دانشکده
49. کالین ال. مالوس. 1957. مدل های رتبه بندی غیر تهی. Biometrika (1957). گوگل دانشکده
50. رابین مانهو ، سباستیجان دومانسیچ ، آنجلیکا کیمیمگ ، توماس دیمستر و لوک دی راد. 2018. DeepProblog: برنامه نویسی منطق احتمالی عصبی. در پیشرفت در سیستم های پردازش اطلاعات عصبی 31 ، S. Bengio ، H. Wallach ، H. Larochelle ، K. Grauman ، N. Cesa-Bianchi و R. Gaett (Eds.). Curran Associates ، Inc. ، 3749--3759. http://papers. nips. cc/paper/7632-deepproblog-neural-probabilistic-logic-programming. pdf Google Scholar
51. پیر مارکیس. 1995. تدوین دانش با استفاده از تئوری اصلی. در IJCAI837--845. گوگل دانشکده
52. جان مک کارتی. 1959. برنامه هایی با عقل سلیم. در مجموعه مقالات کنفرانس تدینگتون در مورد مکانیزاسیون فرآیندهای تفکر. http://www-formal. stanford. edu/jmc/mcc59. html. گوگل دانشکده
53. E. J. McCluskey. 1956. به حداقل رساندن توابع بولی. مجله فنی سیستم بل ، جلد. 35 ، 6 (نوامبر 1956) ، 1417--1444. https://doi. org/10. 1002/j. 1538--7305. 1956. tb03835. x Google Scholarcross Ref
54. مارینا میلا و هار چن. 2010. مخلوط فرآیند Dirichlet از مدل های Mallows عمومی. در مجموعه مقالات UAI. گوگل دانشکده
55. کریستوف مینل و تورستن توبالد. 1998. الگوریتم ها و ساختارهای داده در طراحی VLSI: OBDD - پایه ها و برنامه ها. اسپرینگرگوگل دانشکده
56. Christian J. Muise ، Sheila A. McIlraith ، J. Christopher Beck و Eric I. Hsu. 2012. DSHARP: مجموعه سریع D-DNNF با Sharpsat. در کنفرانس کانادا در مورد هوش مصنوعی (یادداشت های سخنرانی در علوم کامپیوتر) ، جلد. 7310. Springer ، 356--361. گوگل دانشکده
57. کوین پاتریک مورفی. 2012. یادگیری ماشین: یک دیدگاه احتمالی. کتابخانه Scholardigital Google
58. نینا نارودیسکا ، شیوا پراساد کاسیویوواناتان ، لئونید ریزیک ، مولی ساگیو و توبی والش. 2018. تأیید خواص شبکه های عصبی عمیق باینری. در مجموعه مقالات کنفرانس سی و دوم AAAI در مورد هوش مصنوعی (AAAI). گوگل دانشکده
59. N. J. Nilsson. 1986. منطق احتمالی. هوش مصنوعی ، جلد. 28 ، 1 (1986) ، 71--87. گوگل دانشکده
60. Masaaki Nishino ، Norihito Yasuda ، Shin-ichi Minato و Masaaki Nagata. 2017. جمع آوری زیر ساخت های نمودار در نمودارهای تصمیم گیری منتخب. در aaai1213--1221. گوگل دانشکده
61. UMUT Oztok ، Arthur Choi و Adnan Darwiche. 2016. حل مشکلات PPTextSuperscriptPP-Complete با استفاده از تدوین دانش. در مجموعه مقالات پانزدهمین کنفرانس بین المللی اصول بازنمایی دانش و استدلال (KR). 94--103. گوگل دانشکده
62. UMUT Oztok و Adnan Darwiche. 2014. در مورد گردآوری CNF به تصمیم DNNF. در CP42--57. گوگل دانشکده
63. UMUT Oztok و Adnan Darwiche. 2018. یک الگوریتم جامع DPLL برای شمارش مدل. J. Artif. هوشRes. ، جلد. 62 (2018) ، 1--32. کتابخانه Scholardigital Google
64. جیمز دی. پارک و عدنان دارویچ. 2004. نتایج پیچیدگی و استراتژی های تقریبی برای توضیحات نقشه. J. Artif. هوشres(جایر) ، جلد. 21 (2004) ، 101--133. کتابخانه Scholardigital Google
65. J. مروارید. 1988. استدلال احتمالی در سیستم های هوشمند: شبکه های استنباط قابل قبول . Morgan Kaufmann. گوگل دانشکده
66. Knot Pipatsrisawat و Adnan Darwiche. 2008. زبانهای تدوین جدید مبتنی بر تجزیه ساختار یافته. در aaai517--522. گوگل دانشکده
67. Knot Pipatsrisawat و Adnan Darwiche. 2009. یک الگوریتم محاسبه محدود مبتنی بر D-DNNF برای EmajSat عملکردی. در IJCAI590--595. گوگل دانشکده
68. Hoifung Poon و Pedro M. Domingos. 2011. شبکه های جمع آوری شده: یک معماری عمیق جدید. در UAI337--346. گوگل دانشکده
69. W. V. Quine. 1952. مشکل ساده سازی توابع حقیقت. ماهانه ریاضی آمریکا ، جلد. 59 ، 8 (1952) ، 521--531. http://www. jstor. org/stable/2308219 Google Scholarcross Ref
70. W. V. Quine. 1959. در هسته ها و پیامدهای اصلی توابع حقیقت. ماهانه ریاضی آمریکا ، جلد. 66 ، 9 (1959) ، 755--760. http://www. jstor. org/stable/2310460 Google Scholarcross Ref
71. Marco Tú Lio Ribeiro ، Sameer Singh و Carlos Guestrin. 2018. لنگرها: توضیحات مدل با دقت بالا. در aaaiAAAI Press ، 1527-1535. گوگل دانشکده
72. دن راث1996. در مورد سختی استدلال تقریبی. AIJ ، جلد. 82 ، 1--2 (1996) ، 273--302. گوگل دانشکده
73. Tian Sang ، Paul Beame و Henry A. Kautz. 2005. انجام استنباط بیزی توسط شمارش مدل وزنی. در aaai475--482. گوگل دانشکده
74. بارت سلمان و هنری A. کاوتز. 1996. گردآوری دانش و تقریب تئوری. جک ، جلد. 43 ، 2 (1996) ، 193--224. کتابخانه Scholardigital Google
75. Shubham Sharma ، Rahul Gupta ، Subhajit Roy و Kuldeep S. Meel. 2018. تدوین دانش نمونه برداری یکنواخت را برآورده می کند. در LPAR (سری حماسه در محاسبات) ، جلد. 57. EasyChair ، 620--636. گوگل دانشکده
76. یوجیا شن ، آرتور چوی و عدنان دارویچ. 2016. عملیات قابل ردیابی برای مدارهای حسابی مدلهای احتمالی. در پیشرفت در سیستم های پردازش اطلاعات عصبی 29 (NIPS). گوگل دانشکده
77. یوجیا شن ، آرتور چوی و عدنان دارویچ. 2017. یک مدل احتمالی قابل ردیابی برای انتخاب زیر مجموعه. در مجموعه مقالات 33 مین کنفرانس عدم اطمینان در هوش مصنوعی (UAI). گوگل دانشکده
78. یوجیا شن ، آرتور چوی و عدنان دارویچ. 2018. PSDD های مشروط: مدل سازی و یادگیری با دانش مدولار. در aaaiAAAI Press ، 6433--6442. گوگل دانشکده
79. یوجیا شن ، آنچال گویانکا ، عدنان دارویچ و آرتور چوی. 2019. شبکه های ساخت یافته بیزی: از استنباط تا یادگیری با مسیرها. در aaaiAAAI Press ، 7957--7965. گوگل دانشکده
80. ویجیا شی ، اندی شیح ، عدنان دارویچ و آرتور چوی. 2020. در بازنمایی قابل ردیابی شبکه های عصبی باینری. http://arxiv. org/abs/2004. 02082. گوگل دانشکده
81. اندی شی ، آرتور چوی و عدنان دارویچ. 2018a. تأیید رسمی طبقه بندی کننده های شبکه بیزی. در مجموعه مقالات نهمین کنفرانس بین المللی مدلهای گرافیکی احتمالی (PGM). گوگل دانشکده
82. اندی شی ، آرتور چوی و عدنان دارویچ. 2018b. یک رویکرد نمادین برای توضیح طبقه بندی کننده های شبکه بیزی. در مجموعه مقالات بیست و چهارمین کنفرانس مشترک بین المللی اطلاعات مصنوعی (IJCAI). کتابخانه Scholardigital Google
83. اندی شی ، آرتور چوی و عدنان دارویچ. 2019 الف. جمع آوری طبقه بندی کننده های شبکه بیزی در نمودارهای تصمیم گیری. در aaaiAAAI Press ، 7966--7974. گوگل دانشکده
84. اندی شیح ، عدنان دارویه و آرتور چوی. 2019 ب. تأیید شبکه های عصبی باناری شده توسط یادگیری به سبک آنگلوین. در شنبهگوگل دانشکده
85. اندی شیح ، گای ون دن بروک ، پل پرت و آنتوان آماریلی. 2019 ج. هموار سازی مدارهای تجزیه پذیر ساختاری. در نوروپس11412--11422. گوگل دانشکده
86. solomon eyal shimony. 1994. یافتن نقشه برای شبکه های اعتقادی NP-Hard است. ArtifEntly. ، Vol. 68 ، 2 (1994) ، 399--410. کتابخانه Scholardigital Google
87. Friedrich Slivovsky. 2019. مقدمه ای برای تدوین دانش. در کارگاه Kocoon در مورد تدوین دانش. http://kocoon. gforge. inria. fr/slides/slivovsky. pdf. گوگل دانشکده
88. مارک تورلی. 2006. Sharpsat - شمارش مدلهای با ذخیره سازی مؤلفه پیشرفته و BCP ضمنی. در SAT (یادداشت های سخنرانی در علوم کامپیوتر) ، جلد. 4121. Springer ، 424--429. گوگل دانشکده
89. گای ون دن بروک و عدنان دارویچ. 2015. در مورد نقش کاننیک بودن در تدوین دانش. در aaaiگوگل دانشکده
90. اینگو وگنر. 2000. برنامه های انشعاب و نمودارهای تصمیم گیری باینری. سیامگوگل دانشکده
91. Yaqi Xie ، Ziwei Xu ، Kuldeep S. Meel ، Mohan S. Kankanhalli و Harold Soh. 2019. تعبیه دانش نمادین در شبکه های عمیق. در نوروپس4235--4245. گوگل دانشکده
92. جینگی Xu ، زیلو ژانگ ، تال فریدمن ، ییتائو لیانگ و گای ون دن بروک. 2018. یک عملکرد از دست دادن معنایی برای یادگیری عمیق با دانش نمادین. در ICML (مجموعه مقالات تحقیقات یادگیری ماشین) ، جلد. 80. PMLR ، 5498--5507. گوگل دانشکده
93. Yexiang Xue ، Arthur Choi و Adnan Darwiche. 2012. تصمیم گیری در مورد احکام در نمودارهای تصمیم گیری. در aaai842--849. گوگل دانشکده