Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

В языках программирования и машинное обучения , синтез программы байесовского (BPS) является программа синтеза метода , где вероятностные программы байесовских автоматически строить новые Байес вероятностных программ. [1] Этот подход отличается от рутинной практики вероятностного программирования, когда люди-разработчики вручную пишут новые вероятностные программы.

Фреймворк [ править ]

Байесовский программный синтез (BPS) был описан как структура, связанная с вероятностным программированием и использующая ее. В BPS генерируются вероятностные программы, которые сами по себе являются приоритетными над пространством вероятностных программ. Эта стратегия позволяет автоматически синтезировать новые программы с помощью вероятностного вывода и достигается путем композиции модульных компонентных программ.

Модульность BPS позволяет использовать логический вывод для работы и тестирования небольших вероятностных программ перед интеграцией в более крупную модель. [2]

Эту структуру можно противопоставить семейству областей автоматического синтеза программ , которые включают программирование на примерах и программирование на демонстрациях . Цель в таких областях - найти лучшую программу, удовлетворяющую некоторому ограничению. В традиционном программном синтезе, например, проверка логических ограничений сокращает пространство состояний возможных программ, позволяя более эффективный поиск оптимальной программы. Байесовский программный синтез отличается как в том, что ограничения являются вероятностными, так и в том, что выходные данные сами по себе являются распределением по программам, которые могут быть дополнительно уточнены.

Кроме того, байесовский программный синтез можно противопоставить работе по байесовскому программному обучению, где вероятностные программные компоненты написаны от руки, предварительно обучены на данных, а затем вручную собраны для распознавания рукописных символов. [3]

См. Также [ править ]

Ссылки [ править ]

  1. ^ Саад, Ферас А .; Кусумано-Таунер, Марко Ф .; Шехтле, Ульрих; Rinard, Martin C .; Мансингка, Викаш К. (январь 2019 г.). «Байесовский синтез вероятностных программ для автоматического моделирования данных». Proc. Программа ACM. Lang . 3 (POPL): 37: 1–37: 32. arXiv : 1907.06249 . Bibcode : 2019arXiv190706249S . DOI : 10.1145 / 3290350 . ISSN  2475-1421 .
  2. ^ "Говорящие машины: вероятностное программирование, с Беном Вигода | Robohub" . robohub.org . Проверено 4 марта 2017 .
  3. ^ Лейк, Бренден М .; Салахутдинов Руслан; Тененбаум, Джошуа Б. (11 декабря 2015 г.). «Изучение концепции на уровне человека посредством индукции вероятностной программы» . Наука . 350 (6266): 1332–1338. Bibcode : 2015Sci ... 350.1332L . DOI : 10.1126 / science.aab3050 . ISSN 0036-8075 . PMID 26659050 .  

Внешние ссылки [ править ]

  • Комментарий Дэвида Гэррити к BPS : значительный прогресс в искусственном интеллекте в 2017 г.