Het leren van- en efficient redeneren met hybriede beperkingen

Hybride beperkingen zijn een belangrijke formele modeleer taal die toelaat te redeneren over probabilistische inferentie, voorspellingen en optimalisatie. Dit project onderzoekt hoe deze beperkingen van data geleerd kunnen worden en hoe dit soort geautomatiseerd redeneren efficient kan gebeuren. Voorgaand onderzoek laat toe om 1) beperkingen automatisch te leren in spreadsheets, met het uiteindelijke doel om aan niet-computer wetenschappers voorspellingen te presenteren binnen spreadsheets, 2) om beperkingen te leren voor toepassingen binnen probabilistisch redeneren en operationeel onderzoek, en 3) efficiënte solvers te ontwikkelen. De doelstellingen van dit project zijn: voorspellingen in spreadsheets te formuleren als een probabilistisch inferentie-probleem, expressievere beperkingen te leren, leer- en solving algoritmes te versnellen, en benaderende solving algoritmes te ontwikkelen.

Trefwoorden:constraint learning, probabilistic inference, constrained reasoning, constrained prediction

Disciplines:Informatietechnologieën