新逻辑框架实现连续概率推理

研究人员引入了测度论概率确定性子句逻辑 (MT-PDCL)，这是一个旨在克服现有概率逻辑编程局限性的新框架。与需要离散表示的传统方法不同，MT-PDCL 通过在有界索引域上定义随机变量并使用 Borel $\sigma$-代数，允许逻辑变量直接在连续可测空间上运行。这种方法通过勒贝格积分实现了对连续概率分布的精确推理，用代数和可微分推理取代了组合瓶颈。 AI

影响 通过处理连续分布，在 AI 系统中实现更具表现力和效率的概率推理。

排序理由 学术论文，介绍了一种新的概率逻辑编程理论框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• Borel
• CatalyzeX
• Continuous Distribution Semantics
• DagsHub
• Gotit.pub
• Hugging Face
• Lebesgue
• Measure-Theoretic Probabilistic Definite Clause Logic
• MT-PDCL
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →