通过消息传递扩展带逻辑与算术约束的混合概率推断
人工智能
2020-08-21 v2
摘要
加权模型积分（WMI）是一种极具吸引力的概率推断框架：它允许通过可满足性模理论（SMT）的语言表达现实问题中的复杂依赖关系（其中变量既连续又离散），并能计算带复杂逻辑与算术约束的概率查询。然而，现有WMI求解器尚无法扩展到这些问题。它们要么完全忽略问题的内在依赖结构，要么受限于过于受限的结构。为缩小此差距，我们推导出WMI的因子化形式，使我们能够设计基于消息传递的可扩展WMI求解器MP-WMI。具体而言，MP-WMI是首个允许以下功能的WMI求解器：1）对树结构WMI问题的完整类别进行精确推断；2）在线性时间内计算所有边际密度；3）在查询间分摊推断。实验结果表明，我们的求解器在大量基准上显著优于现有WMI求解器。
引用
@article{arxiv.2003.00126,
title = {Scaling up Hybrid Probabilistic Inference with Logical and Arithmetic Constraints via Message Passing},
author = {Zhe Zeng and Paolo Morettin and Fanqi Yan and Antonio Vergari and Guy Van den Broeck},
journal= {arXiv preprint arXiv:2003.00126},
year = {2020}
}