| Texto completo | |
| Autor(es): |
Bueno, Thiago P.
;
Maua, Denis D.
;
de Barros, Leliane N.
;
Cozman, Fabio G.
;
IEEE
Número total de Autores: 5
|
| Tipo de documento: | Artigo Científico |
| Fonte: | PROCEEDINGS OF 2016 5TH BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS (BRACIS 2016); v. N/A, p. 6-pg., 2016-01-01. |
| Resumo | |
Probabilistic logic programming combines logic and probability, so as to obtain a rich modeling language. In this work, we extend PROBLOG, a popular probabilistic logic programming language, with new constructs that allow the representation of (infinite-horizon) Markov decision processes. This new language can represent relational statements, including symmetric and transitive definitions, an advantage over other planning domain languages such as RDDL. We show how to exploit the logic structure in the language to perform Value Iteration. Preliminary experiments demonstrate the effectiveness of our framework. (AU) | |
| Processo FAPESP: | 15/01587-0 - Armazenagem, modelagem e análise de sistemas dinâmicos para aplicações em e-Science |
| Beneficiário: | João Eduardo Ferreira |
| Modalidade de apoio: | Auxílio à Pesquisa - Programa eScience e Data Science - Temático |
| Processo FAPESP: | 16/01055-1 - Aprendizagem de Modelos Probabilísticos Tratáveis e seu Uso na Classificação Multirrótulo |
| Beneficiário: | Denis Deratani Mauá |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |