Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Crash Course on Generalized Possibilistic Logic Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Distribution-Aware Sampling of Answer Sets

verfasst von : Matthias Nickles

Erschienen in: Scalable Uncertainty Management

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Distribution-aware answer set sampling has a wide range of potential applications, for example in the area of probabilistic logic programming or for the computation of approximate solutions of combinatorial or search problems under uncertainty. This paper introduces algorithms for the sampling of answer sets under given probabilistic constraints. Our approaches allow for the specification of probability distributions over stable models using probabilistically weighted facts and rules as constraints for an approximate sampling task with specifiable accuracy. At this, we do not impose any independence requirements on random variables. An experimental evaluation investigates the performance characteristics of the presented algorithms.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Discovering Ordinal Attributes Through Gradual Patterns, Morphological Filters and Rank Discrimination Measures
Nächstes Kapitel Consequence-Based Axiom Pinpointing
Literatur
1.
Baral, C., Gelfond, M., Rushton, N.: Probabilistic reasoning with answer sets. Theory Practice Logic Program. 9(1), 57–144 (2009)MathSciNetCrossRef
2.
Chakraborty, S., Fremont, D.J., Meel, K.S., Seshia, S.A., Vardi, M.Y.: Distribution-aware sampling and weighted model counting for SAT. In: Proceedings of the 28th AAAI Conference on Artificial Intelligence (AAAI), pp. 1722–1730, July 2014
3.
Cheeseman, P.: A method of computing generalized Bayesian probability values for expert systems. In: Proceedings of the Eighth International Joint Conference on Artificial Intelligence, IJCAI 1983, vol. 1, pp. 198–202. Morgan Kaufmann Publishers Inc., Burlington (1983)
4.
Dalvi, N., Suciu, D.: Efficient query evaluation on probabilistic databases. VLDB J. 16(4), 523–544 (2007)CrossRef
5.
Dantsin, E., Eiter, T., Gottlob, G., Voronkov, A.: Complexity and expressive power of logic programming. ACM Comput. Surv. 33(3), 374–425 (2001)CrossRef
6.
7.
Finger, M., Bona, G.D.: Probabilistic satisfiability: logic-based algorithms and phase transition. In: Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI 2011) (2011)
8.
Gebser, M., Kaufmann, B., Neumann, A., Schaub, T.: Conflict-driven answer set solving. In: Proceedings of the 20th International Joint Conference on Artificial Intelligence (IJCAI 2007) (2007)
9.
Gelfond, M., Lifschitz, V.: The stable model semantics for logic programming. In: Proceedings of the 5th International Conference on Logic Programming, vol. 161 (1988)
10.
Gomes, C.P., Sabharwal, A., Selman, B.: Near-uniform sampling of combinatorial spaces using XOR constraints. In: NIPS, pp. 481–488 (2006)
11.
12.
Lee, J., Wang, Y.: A probabilistic extension of the stable model semantics. In: 2015 AAAI Spring Symposium on Logical Formalizations of Commonsense Reasoning (2015)
13.
Lin, F., Zhao, Y.: ASSAT: computing answer sets of a logic program by SAT solvers. Artif. Intell. 157(1), 115–137 (2004)MathSciNetCrossRef
14.
Ng, R.T., Subrahmanian, V.S.: Stable semantics for probabilistic deductive databases. Inf. Comput. 110(1), 42–83 (1994)MathSciNetCrossRef
15.
Nickles, M., Mileo, A.: A hybrid approach to inference in probabilistic non-monotonic logic programming. In: 2nd International Workshop on Probabilistic Logic Programming (PLP 2015) (2015)
16.
17.
18.
Rödder, W., Kern-Isberner, G.: Representation and extraction of information by probabilistic logic. Inf. Syst. 21(8), 637–652 (1996)CrossRef
19.
Metadaten
Titel
Distribution-Aware Sampling of Answer Sets
verfasst von
Matthias Nickles
Copyright-Jahr
2018
Buch
Scalable Uncertainty Management

Print ISBN: 978-3-030-00460-6

Electronic ISBN: 978-3-030-00461-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-00461-3_12