Soluções eficientes para processos de decisão markovianos híbridos especificados com programação lógica probabilística: redes neurais profundas vs raciocínio simbólica

• Processo: 17/21763-3
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Vigência (Início): 01 de junho de 2018
• Vigência (Término): 31 de maio de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Leliane Nunes de Barros
• Beneficiário: Thiago Pereira Bueno
• Supervisor: Scott Patrick Sanner
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Local de pesquisa: University of Toronto (U of T), Canadá
• Vinculado à bolsa: 16/22900-1 - Processos de decisão markovianos especificados com programação lógica probabilística: representação e solução, BP.DD
• Assunto(s): Inteligência artificial Processos de Markov Programação lógica Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | Planejamento Probabilístico | Processos de Decisão Markovianos | Programação lógica probabilística | Raciocínio simbólico | Redes Neurais Recorrentes | Inteligência artificial

Resumo

Este estágio de pesquisa visa estender o formalismo representacional proposto na tese de doutorado do proponente sobre "Processos de Decisão Markovianos especificados através da Programação Lógica Probabilística" para domínios de planejamento com variáveis contínuas e discretas; e investigar soluções algorítmicas eficientes baseadas em raciocínio simbólico e Redes Neurais Profundas. Dados os recentes avanços na área de otimização estatística para funções multidimensionais não-convexas, propomos combinar idéias de programação lógica probabilística e planejamento probabilístico em uma abordagem baseada em Redes Neurais Recorrentes que permita desenvolver um arcabouço expressivo e eficiente para lidar com problemas de tomada de decisão sequenciais modelados como Processos de Decisão Markovianos (MDPs). Os resultados esperados desta proposta de pesquisa incluem: (i) algoritmos exatos e aproximados para resolver MDPs híbridos especificados através da Programação Lógica Probabilística; (ii) um processo de compilação formal para traduzir MDPs híbridos em Redes Neurais Recorrentes; e (iii) análise comparativa entre soluções simbólicas e abordagens baseadas em otimização para resolver MDPs híbridos. (AU)