计算机科学 ›› 2007, Vol. 34 ›› Issue (1): 130-132.

• 计算机网络与信息安全 • 上一篇    下一篇

概率逻辑模型与学习研究进展

徐光美 杨炳儒 张伟 宁淑荣   

  1. 北京科技大学信息工程学院知识工程研究所,北京100083
  • 出版日期:2018-11-16 发布日期:2018-11-16
  • 基金资助:
    《国家科技成果重点推广计划》项目(2003EC000001).

XU Guang-Mei ,YANG Bing-Ru, ZHANG Wei ,NING Shu-Rong (School of Information Engineering,Beijing University of Science and Technology, Beijing100083)   

  • Online:2018-11-16 Published:2018-11-16

摘要: 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(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

Abstract: Probabilistic logic learning (PLL)research has made significant progress over the last years. A rich variety of different formalisms and learning techniques have been developed, including probabilistic relational models, bayesian logic programs, and logic

Key words: Probabilistic logical models, Probabilistic relational models, Bayesian logic programs, Logic bayesian networks, Probabilistic logical learning

No related articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!