< Terug naar vorige pagina

Project

Gegevens gestuurde logistiek

De reis die in dit proefschrift wordt vastgelegd concentreert zich rond kenniscompilatie, het tellen van modellen, en hun rol binnen state-of-the-art inferentie algoritmen voor probabilistische logische programmeertalen (PLP). Het telprobleem bestaat uit het bepalen van het aantal oplossingen dat voldoet aan een gegeven set van beperkingen, zoals 'A of niet B, en C'. Kenniscompilatietechnieken kunnen die beperkingen herformuleren zodat tellen eenvoudiger wordt. Dit proefschrift heeft vier belangrijke bijdragen in dit domein:
1) Het introduceert een nieuwe verbetering voor telalgoritmen, die hun prestaties verbetert door symmetrieën die aanwezig zijn in de gegeven set van beperkingen uit te buiten.
2) Het toont de algemene toepasbaarheid aan van de algebraïsche variant van het telprobleem, door het toe te passen op een beslissingsprobleem met onzekerheid, en door een synthese voor te leggen van de 15-jarige ProbLog reis en het resulterende inzicht dat verschillende PLP raamwerken verenigd kunnen worden onder hetzelfde algebraïsche telkader.
3) Het analyseert de impact van de volgorde van integratie bij telproblemen die continue variabelen bevatten, en stelt verschillende nieuwe heuristieken voor die een aanzienlijk betere integratie volgorde bepalen voor dergelijke telproblemen.
4) Het draagt bij aan een basis voor kenniscompilatie met betrekking tot een achtergrondtheorie, dewelke het gebruik van beperkingen mogelijk maakt die verder gaan dan Booleaanse variabelen, bijvoorbeeld rekenkundige beperkingen.

Datum:1 okt 2018 →  21 dec 2023
Trefwoorden:machine learning, artificial Intelligence, probabilistic reasoning, knowledge representation
Disciplines:Scientific computing, Machine learning en besluitvorming, Kennisrepresentatie en redenering, Kanstheorie
Project type:PhD project