Busca avançada
Ano de início
Entree

Extensões probabilísticas de fragmentos da lógica de primeira ordem

Processo: 16/25928-4
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de junho de 2017
Vigência (Término): 28 de janeiro de 2018
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Fabio Gagliardi Cozman
Beneficiário:Glauber de Bona
Instituição-sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Assunto(s):Inteligência artificial   Lógica de primeira ordem   Probabilidade   Raciocínio probabilístico   Representação de conhecimento

Resumo

A lógica probabilística está na intersecção das formas dedutiva e probabilística de raciocínio e é uma das abordagens ao tratamento da incerteza na inteligência artificial. As lógicas probabilísticas mais comuns são proposicionais, não sendo capazes de lidar com objetos e predicados, o que demanda uma lógica de primeira ordem. Entretanto, embarcar probabilidades na lógica clássica de primeira ordem tipicamente leva a formalismos com computabilidade e complexidade computacional proibitivas. Para contornar isso, podemos dotar fragmentos tratáveis da lógica de primeira ordem de operadores probabilísticos. Por exemplo, lógicas de descrição são uma família bem conhecida de fragmentos da lógica de primeira ordem com aplicações a problemas reais. Embora um número de propostas na literatura tenha abordado extensões probabilísticas de fragmentos da lógica de primeira ordem, não há um estudo sistemático destes formalismos. Devido à miríade de fragmentos da lógica de primeira ordem e aos diferentes meios de enriquecê-los com probabilidade, há um vasto espectro de tais sistemas formais ainda a ser explorado, alguns dos quais possivelmente permitindo aplicação prática. Este projeto objetiva o desenvolvimento de um arcabouço formal para classificar extensões probabilísticas de fragmentos da lógica clássica de primeira ordem, analisando sua expressividade e complexidade computacional. Isto levará a um melhor entendimento da relação mútua entre estes dois aspectos, que deverá ser acompanhado pela formulação de novas lógicas com aplicações práticas. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DE FARIA, FRANCISCO H. O. VIEIRA; GUSMAO, ARTHUR COLOMBINI; DE BONA, GLAUBER; MAUA, DENIS DERATANI; COZMAN, FABIO GAGLIARDI. Speeding up parameter and rule learning for acyclic probabilistic logic programs. INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, v. 106, p. 32-50, MAR 2019. Citações Web of Science: 0.
DE BONA, GLAUBER; COZMAN, FABIO G. On the Coherence of Probabilistic Relational Formalisms. Entropy, v. 20, n. 4 APR 2018. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.