Foundations of Probabilistic Logic Programming: Languages, Semantics, Inference and Learning
Od czasu swoich narodzin dziedzina probabilistycznego programowania logicznego odnotowuje stały wzrost aktywności, z wieloma propozycjami języków i algorytmów wnioskowania i uczenia się.
Niniejsza książka ma na celu przedstawienie przeglądu tej dziedziny, ze szczególnym naciskiem na języki w ramach semantyki dystrybucyjnej, jednego z najbardziej wpływowych podejść. Książka przedstawia główne idee semantyki, wnioskowania i uczenia się oraz podkreśla powiązania między metodami.
Wiele przykładów w książce zawiera link do strony aplikacji internetowej http: //cplint. eu, gdzie kod można uruchomić online.
Drugie wydanie ma na celu przedstawienie najbardziej ekscytujących nowości w tej dziedzinie od czasu publikacji pierwszego wydania. Semantyka programów hybrydowych z symbolami funkcji została oparta na solidnych podstawach. Probabilistyczne programowanie zbiorów odpowiedzi zyskało duże zainteresowanie wraz z badaniami nad złożonością wnioskowania. Algorytmy do rozwiązywania zadań MPE i MAP są już dostępne. Wnioskowanie dla programów hybrydowych zmieniło się diametralnie wraz z wprowadzeniem Weighted Model Integration.
Jeśli chodzi o uczenie się, pojawiły się pierwsze podejścia do integracji neuro-symbolicznej wraz z algorytmami uczenia się struktury dla programów hybrydowych.
Ponadto, biorąc pod uwagę koszt uczenia się PLP, w różnych pracach proponowano ograniczenia językowe w celu przyspieszenia uczenia się i poprawy jego skalowania.