Statistical Relational Learning for Predictive Maintenance.

Binnen het onderzoeksgebied van Kunstmatige Intelligentie is er een grote
interesse om probabilistische informatie en expressieve representaties te
combineren om zo complexe relationele en dynamische domeinen te kunnen
modelleren. Het redeneren met deze representaties wordt typisch gedaan door
gebruik te maken van bestaande technieken voor propositionele modellen, en
hiervoor is het noodzakelijk het onderliggende model eerst om te zetten naar
een propositionele representatie. Deze aanpak brengt echter een zekere kost met
zich mee aangezien de omzetting kan leiden tot een combinatorische ontploffing
en zo inferentie onmogelijk wordt. Dit proefschrift onderzoekt hoe we inferentie
rechtstreeks op de originele representatie kunnen uitvoeren door gebruik te
maken van kennis compilatie en het optellen van gewogen modellen.
Dit proefschrift heeft drie belangrijke bijdrages. Ten eerste stellen we een exact
probabilistisch inferentie algoritme voor propositionele dynamische domeinen
voor. Onze aanpak benut verschillende structuren in het netwerk door het
overgangsmodel te compileren naar een efficiënte circuit representatie. Ten
tweede stellen we een probabilistisch inferentie algoritme voor relationeledomeinen voor. Een efficiënte circuit representatie wordt gecompileerd op een
incrementele manier en, op elk moment van het proces, kunnen gegarandeerde
grenzen voor de probabiliteiten berekend worden. Ten derde beschouwen
we inferentie voor relationele dynamische domeinen en combineren hiervoor
principes van de eerste en tweede bijdrage. Daarbovenop laten we de inferentie
nog beter schalen door de gegeven observaties te benutten.
De technieken beschreven in dit proefschrift worden empirisch geëvalueerd
op verschillende reële domeinen en toepassingen zoals het analyseren van
biologische en sociale netwerken, het classificeren van web pagina’s, diagnose
van elektronische circuits en het spelen van spellen. Ze overtreffen de bestaande
technieken op deze problemen voor zowel tijd, geheugen als kwaliteit van de
resultaten.