Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Complexity results for probabilistic answer set programming

Texto completo
Autor(es):
Maua, Denis Deratani [1] ; Cozman, Fabio Gagliardi [2]
Número total de Autores: 2
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Inst Math & Stat, Sao Paulo - Brazil
[2] Univ Sao Paulo, Escola Politecn, Sao Paulo - Brazil
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: INTERNATIONAL JOURNAL OF APPROXIMATE REASONING; v. 118, p. 133-154, MAR 2020.
Citações Web of Science: 0
Resumo

We analyze the computational complexity of probabilistic logic programming with constraints, disjunctive heads, and aggregates such as sum and max. We consider propositional programs and relational programs with bounded-arity predicates, and look at cautious reasoning (i.e., computing the smallest probability of an atom over all probability models), cautious explanation (i.e., finding an interpretation that maximizes the lower probability of evidence) and cautious maximum-a-posteriori (i.e., finding a partial interpretation for a set of atoms that maximizes their lower probability conditional on evidence) under Lukasiewicz's credal semantics. (C) 2019 Elsevier Inc. All rights reserved. (AU)

Processo FAPESP: 16/18841-0 - Algoritmos para inferência e aprendizado de programas lógicos probabilísticos
Beneficiário:Fabio Gagliardi Cozman
Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Processo FAPESP: 19/07665-4 - Centro de Inteligência Artificial
Beneficiário:Fabio Gagliardi Cozman
Linha de fomento: Auxílio à Pesquisa - Programa Centros de Pesquisa em Engenharia
Processo FAPESP: 15/21880-4 - PROVERBS -- sistemas booleanos probabilísticos Super-restritos: ferramentas de raciocínio e aplicações
Beneficiário:Marcelo Finger
Linha de fomento: Auxílio à Pesquisa - Regular