概率邏輯程序設(shè)計(jì)：語(yǔ)言、語(yǔ)義、學(xué)習(xí)與推理
定 價(jià)：99 元
叢書(shū)名：計(jì)算機(jī)科學(xué)叢書(shū)
- 作者：[意]法布里齊奧·里古齊 （Fabrizio Riguzzi）
- 出版時(shí)間：2020/6/1
- ISBN：9787111656692
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類(lèi)：TP311.1
- 頁(yè)碼：0
- 紙張：
- 版次：
- 開(kāi)本：16開(kāi)
概率邏輯程序是在邏輯程序的基礎(chǔ)上增加對(duì)不確定性信息的表示。概率邏輯程序是以下兩個(gè)用途廣泛的領(lǐng)域交叉形成的：邏輯和概率的統(tǒng)一、概率程序。
邏輯用于表示實(shí)體之間的復(fù)雜關(guān)系，而概率論對(duì)構(gòu)建屬性和關(guān)系的不確定性模型有幫助。統(tǒng)一兩個(gè)理論是一個(gè)非�；钴S的研究領(lǐng)域。
概率邏輯程序與帶知識(shí)表示能力的邏輯語(yǔ)言和帶計(jì)算能力的圖靈復(fù)雜語(yǔ)言類(lèi)似，因此，它是兩種語(yǔ)言的*佳組合。
由于概率邏輯程序的出現(xiàn)，越來(lái)越多的研究著開(kāi)始關(guān)注它，并已產(chǎn)生了許多語(yǔ)言、推理和學(xué)習(xí)算法。
本書(shū)主要對(duì)該領(lǐng)域提供一個(gè)概要，同時(shí)介紹分布語(yǔ)義下的具體語(yǔ)言。本書(shū)主要介紹語(yǔ)義、推理、學(xué)習(xí)和他們之間的關(guān)系。
本書(shū)的許多例子和代碼見(jiàn)網(wǎng)站http://cplint.eu。
出版者的話
譯者序
序言
前言
關(guān)于作譯者
第1章 預(yù)備知識(shí)1
1.1 序、格和序數(shù)1
1.2 映射和不動(dòng)點(diǎn)2
1.3 邏輯程序3
1.4 正規(guī)邏輯程序的語(yǔ)義8
1.4.1 程序完備化8
1.4.2 良基語(yǔ)義10
1.4.3 穩(wěn)定模型語(yǔ)義13
1.5 概率論14
1.6 概率圖模型21
第2章 概率邏輯程序語(yǔ)言27
2.1 基于分布語(yǔ)義的語(yǔ)言27
2.1.1 帶標(biāo)注析取的邏輯程序27
2.1.2 ProbLog28
2.1.3 概率Horn溯因28
2.1.4 PRISM29
2.2 不帶函數(shù)符號(hào)的程序的分布語(yǔ)義30
2.3 示例程序33
2.4 表達(dá)能力的等價(jià)性36
2.5 將LPAD轉(zhuǎn)換成貝葉斯網(wǎng)絡(luò)38
2.6 分布語(yǔ)義的通用性41
2.7 分布語(yǔ)義的擴(kuò)展42
2.8 CP-Logic43
2.9 不可靠程序的語(yǔ)義47
2.10 KBMC概率邏輯程序設(shè)計(jì)語(yǔ)言49
2.10.1 貝葉斯邏輯程序50
2.10.2 CLP(BN)50
2.10.3 Prolog因子語(yǔ)言51
2.11 概率邏輯程序的其他語(yǔ)義52
2.11.1 隨機(jī)邏輯程序53
2.11.2 ProPPR54
2.12 其他概率邏輯語(yǔ)義54
2.12.1 Nilsson概率邏輯55
2.12.2 馬爾可夫邏輯網(wǎng)絡(luò)55
2.12.3 帶標(biāo)注的概率邏輯程序58
第3章 帶函數(shù)符號(hào)的語(yǔ)義59
3.1 帶函數(shù)符號(hào)程序的分布語(yǔ)義60
3.2 解釋的無(wú)窮覆蓋集63
3.3 與Sato和Kameya的定義的比較71
第4章 混合程序的語(yǔ)義74
4.1 混合ProbLog74
4.2 分布子句76
4.3 擴(kuò)展的PRISM79
4.4 Cplint混合程序80
4.5 概率約束邏輯程序83
第5章 精確推理92
5.1 PRISM93
5.2 知識(shí)編譯95
5.3 ProbLog196
5.4 cplint98
5.5 SLGAD99
5.6 PITA100
5.7 ProbLog2103
5.8 TP編譯111
5.9 PITA中的建模假設(shè)113
5.9.1 PITA(OPT)115
5.9.2 用PITA實(shí)現(xiàn)的MPE117
5.10 有無(wú)限個(gè)解釋的查詢的推理118
5.11 混合程序的推理118
第6章 提升推理123
6.1 提升推理預(yù)備知識(shí)123
6.1.1 變量消除124
6.1.2 GC-FOVE126
6.2 LP2127
6.3 使用聚合parfactor的提升推理129
6.4 加權(quán)一階模型計(jì)數(shù)130
6.5 帶環(huán)邏輯程序132
6.6 各種方法的比較132
第7章 近似推理133
7.1 ProbLog1133
7.1.1 迭代深化133
7.1.2 k-best134
7.1.3 蒙特卡羅方法134
7.2 MCINTYRE136
7.3 帶無(wú)窮多個(gè)解釋的查詢的近似推理138
7.4 條件近似推理138
7.5 通過(guò)采樣對(duì)混合程序進(jìn)行近似推理140
7.6 混合程序的帶有界誤差的近似推理141
7.7 k-優(yōu)化142
7.8 基于解釋的近似加權(quán)模型\計(jì)數(shù)144
7.9 帶TP編譯的近似推理146
7.10 DISTR和EXP任務(wù)146
第8章 非標(biāo)準(zhǔn)推理149
8.1 可能性邏輯程序設(shè)計(jì)149
8.2 決策-理論P(yáng)robLog150
8.3 代數(shù)ProbLog155
第9章 參數(shù)學(xué)習(xí)161
9.1 PRISM參數(shù)學(xué)習(xí)161
9.2 LLPAD和ALLPAD參數(shù)學(xué)習(xí)166
9.3 LeProbLog166
9.4 EMBLEM169
9.5 ProbLog2參數(shù)學(xué)習(xí)176
9.6 混合程序的參數(shù)學(xué)習(xí)177
第10章 結(jié)構(gòu)學(xué)習(xí)178
10.1 歸納邏輯程序178
10.2 LLPAD和ALLPAD結(jié)構(gòu)學(xué)習(xí)181
10.3 ProbLog理論壓縮182
10.4 ProbFOIL和ProbFOIL+182
10.5 SLIPCOVER186
10.5.1 語(yǔ)言偏好186
10.5.2 算法描述187
10.5.3 運(yùn)行實(shí)例191
10.6 數(shù)據(jù)集實(shí)例192
第11章 cplint實(shí)例194
11.1 cplint命令194
11.2 自然語(yǔ)言處理197
11.2.1 概率上下文無(wú)關(guān)文法197
11.2.2 概率左角文法197
11.2.3 隱馬爾可夫模型198
11.3 繪制二元決策圖199
11.4 高斯過(guò)程200
11.5 Dirichlet過(guò)程203
11.5.1 Stick-Breaking過(guò)程203
11.5.2 中餐館過(guò)程206
11.5.3 混合模型207
11.6 貝葉斯估計(jì)208
11.7 Kalman濾波器209
11.8 隨機(jī)邏輯程序211
11.9 方塊地圖生成213
11.10 馬爾可夫邏輯網(wǎng)絡(luò)214
11.11 Truel215
11.12 優(yōu)惠券收集者問(wèn)題217
11.13 一維隨機(jī)游走220
11.14 隱含Dirichlet分配220
11.15 印度人GPA問(wèn)題223
11.16 Bongard問(wèn)題224
第12章 總結(jié)227
附錄 縮略語(yǔ)及符號(hào)對(duì)照表228
參考文獻(xiàn)231
書(shū)單推薦
