-
题名概率逻辑模型与学习研究进展
- 1
-
-
作者
徐光美
杨炳儒
张伟
宁淑荣
-
机构
北京科技大学信息工程学院知识工程研究所
-
出处
《计算机科学》
CSCD
北大核心
2007年第1期130-132,共3页
-
基金
<国家科技成果重点推广计划>项目(2003EC000001)
-
文摘
近年来,概率逻辑学习研究取得了很大进展,已经提出各种不同的形式化方法和学习方法,包括概率关系模型(PRMs)、贝叶斯逻辑程序(BLPs)、逻辑贝叶斯网络(LBNs)和随机逻辑程序(SLPs)等。文章重点介绍了贝叶斯网络与一阶逻辑的结合,并以PRMs、BLPs和LBNs为例,描述了基于贝叶斯网络的概率逻辑模型(PLMs)的知识表示方法,给出了此类PLMs一般使用的参数估计方法和结构学习方法,并给出了建议的研究方向。
-
关键词
概率逻辑模型
概率关系模型
贝叶斯逻辑程序
逻辑贝叶斯网络
概率逻辑学习
-
Keywords
Probabilistic logical models, Probabilistic relational models, Bayesian logic programs, Logic bayesian networks, Probabilistic logical learning
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名融合概率和逻辑的推理模型研究
- 2
-
-
作者
胡小风
邢永康
-
机构
重庆大学计算机学院
-
出处
《计算机科学》
CSCD
北大核心
2006年第B12期239-241,共3页
-
基金
本研究得到国家自然科学基金青年基金资助（编号：60403009）.
-
文摘
逻辑和概率理论是分属于哲学和数学领域的两个历史悠久的学科，一直以来都是相互独立的两个研究方向。但近年来，伴随着人工智能领域的快速发展，这两种经过长期发展形成的优秀理论逐渐成为计算机科学重要的研究工具。如果将这两种理论有效地结合起来，对于人工智能领域，特别是不确定性研究方向来说，有着重要的研究价值。目前，大致上有两种策略来实现。第一，利用已有的理论基础，实现整合应用。比如，知识的表示采用逻辑的形式，而推理过程则采用概率统计的观点，发挥它们各自的长处，又保持相互的独立性。第二，建立新的模型。通过深入理解逻辑推理和概率推理的本质，挖掘它们之间的区别与联系，发现概率变量数目是区别这两种理论的关键所在，并以此为切入点提出了新的模型，将其称为“逻辑概率模型”。
-
关键词
逻辑推理
概率变量
逻辑概率模型
背景知识缺失
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
