Autor(es)

Maua, Denis Deratani ^[1] ; Cozman, Fabio Gagliardi ^[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

• 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
• Modalidade de apoio: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
• Processo FAPESP: 19/07665-4 - Centro de Inteligência Artificial
• Beneficiário: Fabio Gagliardi Cozman
• Modalidade de apoio: Auxílio à Pesquisa - Programa eScience e Data Science - Centros de Pesquisa Aplicada
• Processo FAPESP: 15/21880-4 - PROVERBS -- Sistemas Booleanos Probabilísticos Super-restritos: ferramentas de raciocínio e aplicações
• Beneficiário: Marcelo Finger
• Modalidade de apoio: Auxílio à Pesquisa - Regular