0
| 本文作者： 叢末 | 2019-05-10 19:04 | 專題：IJCAI 2019 |
雷鋒網(wǎng) AI 科技評(píng)論按：作為人工智能領(lǐng)域最頂級(jí)的國(guó)際學(xué)術(shù)會(huì)議之一，IJCAI 今日公布了最終論文接收結(jié)果，引起了該領(lǐng)域的密切關(guān)注。據(jù)悉，IJCAI 2019 今年一共收到 4752 篇有效提交論文，最終的論文收錄數(shù)量為 850 篇，接收率為 17.9% 。雖然今年論文投稿量與收錄量比去年（論文投稿量為 3470 篇、收錄量為 710 篇）都要高，但最終的接收率要比去年的 20.5% 低不少。
論文收錄結(jié)果出爐后，有人歡喜有人愁：一方面，各位落選者先后抒發(fā)了自己的遺憾；而另一方面，各位論文被收錄的實(shí)力派也紛紛曬出了自己收到的論文收錄通知。針對(duì)大家在 IJCAI 2019 論文收錄方面的更多疑問(wèn)，后續(xù)雷鋒網(wǎng) AI 科技評(píng)論會(huì)在 IJCAI 2019 程序委員會(huì)主席（Sarit Kraus）的專訪中為大家?guī)?lái)答案。而在此之前，我們不妨先來(lái)溫習(xí)一下 IJCAI 近 20 年以來(lái)摘得「杰出論文獎(jiǎng)」（Distinguished Paper Award）的二十九篇論文，并從這些最佳論文中一窺 AI 這些年來(lái)的發(fā)展軌跡。
SentiGAN：通過(guò)混合對(duì)抗性網(wǎng)絡(luò)生成情感文本
SentiGAN: Generating Sentimental Texts via Mixture Adversarial Networks
論文摘要：在自然語(yǔ)言生成領(lǐng)域，生成不同情感標(biāo)簽的文本越來(lái)越多受到關(guān)注。近來(lái)，生成式對(duì)抗網(wǎng)絡(luò)（GAN）在文本生成中表現(xiàn)出色。然而，通過(guò) GAN 生成的文本往往在面臨質(zhì)量差、缺乏多樣性和模式崩潰（mode collapse ）的問(wèn)題。在這篇論文中，我們提出了一個(gè)新的框架——SentiGAN，包含有多個(gè)生成器和一個(gè)多類別判別器，以解決上述問(wèn)題。在該框架中，多個(gè)生成器同時(shí)訓(xùn)練，旨在無(wú)監(jiān)督環(huán)境下產(chǎn)生不同情感標(biāo)簽的文本。我們提出了一個(gè)基于懲罰的目標(biāo)函數(shù)，使每個(gè)生成器都能在特定情感標(biāo)簽下生成具有多樣性的樣本。此外，使用多個(gè)生成器和一個(gè)多類判別器，可以使每個(gè)生成器專注于準(zhǔn)確地生成自己的特定情感標(biāo)簽的例子。在四個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，我們的模型在情感準(zhǔn)確度和生成文本的質(zhì)量方面始終優(yōu)于當(dāng)前幾種最先進(jìn)的文本生成方法。
論文地址：https://www.ijcai.org/proceedings/2018/0618.pdf
通過(guò)大多數(shù)動(dòng)態(tài)對(duì)觀點(diǎn)傳播中的共識(shí)形成進(jìn)行推理
Reasoning about Consensus when Opinions Diffuse through Majority Dynamics
論文摘要：該論文研究了社會(huì)圖上的意見傳播問(wèn)題。在社會(huì)圖中，智能體持有二元意見，并且社會(huì)壓力導(dǎo)致他們遵從大多數(shù)鄰居所表示的意見。在這種背景下，考慮有關(guān)少數(shù)/多數(shù)是否能夠?qū)⑵渲С值囊庖妭鞑サ剿衅渌悄荏w的問(wèn)題。研究結(jié)果表明，無(wú)論底層圖如何，總是存在一個(gè)由半數(shù)智能體組成的群體可以消除相反的意見。相反地，少數(shù)群體的影響力取決于給定圖的某些特征，這些特征的識(shí)別便是 NP 難問(wèn)題（NP-hard）。而決定這兩種觀點(diǎn)是否可以在某種穩(wěn)定的配置中共存也是 NP 難的。
論文地址：https://www.ijcai.org/proceedings/2018/0007.pdf
R-SVM+：具有私有信息的魯棒學(xué)習(xí)
R-SVM+: Robust Learning with Privileged Information
論文摘要：在實(shí)際應(yīng)用場(chǎng)景中，訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)質(zhì)量的干凈度往往難以讓人滿意。由于缺少解決數(shù)據(jù)中潛在噪聲的有效策略，現(xiàn)有方法的效果在特權(quán)信息學(xué)習(xí)（learning using privileged information，LUPI）范式中可能面臨很大的挑戰(zhàn)。本文基于嚴(yán)格的理論分析，提出了一種新的魯棒 SVM+（R-SVM+）算法。我們?cè)?SVM+ 框架下的 LUPI 范式中研究了樣本標(biāo)簽數(shù)據(jù)和特權(quán)標(biāo)簽數(shù)據(jù)的擾動(dòng)下界，這個(gè)擾動(dòng)下界會(huì)誤導(dǎo)模型做出錯(cuò)誤的決策。通過(guò)最大化下界，學(xué)到的模型在擾動(dòng)下的容忍度將會(huì)增大。據(jù)此，我們給模型引入了新的正則化函數(shù)，用于升級(jí) SVM+ 的變體。將 R-SVM+ 的目標(biāo)函數(shù)轉(zhuǎn)化為二次規(guī)劃問(wèn)題，利用現(xiàn)成的求解方法可以很容易進(jìn)行優(yōu)化求解。實(shí)證結(jié)果展現(xiàn)了 R-SVM+ 的必要性和算法的有效性。
論文地址：https://www.ijcai.org/proceedings/2018/0334.pdf
在基于領(lǐng)域本體的查詢中，從連接性查詢到實(shí)例查詢
From Conjunctive Queries to Instance Queries in Ontology-Mediated Querying
論文摘要：我們考慮基于 ALC 族和連接查詢的表達(dá)性描述邏輯的本體中介查詢（ontology-mediated queries，OMQs），研究基于實(shí)例查詢（instance queries，IQs）的 OMQ 的可重寫性。我們的結(jié)果包括這種重寫何時(shí)能精確表征以及決定重寫性的嚴(yán)格復(fù)雜性界限。我們還給出了判定給定 MMSNP 語(yǔ)句是否等價(jià)于 CSP 的相關(guān)問(wèn)題的嚴(yán)格復(fù)雜度界限。
論文地址：https://www.ijcai.org/proceedings/2018/0250.pdf
玩的是什么游戲？從游戲中的正態(tài)與拓展性端到端學(xué)習(xí)
What Game are We Playing? End-to-end Learning in Normal and Extensive from Games
論文摘要：雖然人工智能最近的研究在求解大型、零和、擴(kuò)展形式的博弈方面取得了很大進(jìn)展，但過(guò)去大多數(shù)工作中的基本假設(shè)都是博弈本身的參數(shù)是智能體已知的。本文討論相對(duì)未被充分探索但同樣重要的「逆」設(shè)置，其中并不是所有智能體都知道底層博弈的參數(shù)，它們必須通過(guò)觀察來(lái)學(xué)習(xí)。我們提出一個(gè)可微的、端到端的學(xué)習(xí)框架來(lái)處理這個(gè)任務(wù)。特別地，我們考慮博弈的正則化版本，等價(jià)于隨機(jī)最優(yōu)反應(yīng)均衡（quantal response equilibrium）的特定形式，并改進(jìn)：1） 在正規(guī)形式博弈和擴(kuò)展形式博弈中尋找這種平衡點(diǎn)的原始-對(duì)偶牛頓（primal-dual Newton）方法；2） 反向傳播方法使我們能夠通過(guò)解本身來(lái)計(jì)算所有相關(guān)博弈參數(shù)的梯度。這最終讓我們通過(guò)端到端的訓(xùn)練來(lái)學(xué)習(xí)博弈，通過(guò)將「可微的博弈求解器」有效地集成到更大的深層網(wǎng)絡(luò)體系結(jié)構(gòu)的循環(huán)中。我們展示了該學(xué)習(xí)方法在多種設(shè)置中的有效性，包括撲克和安全博弈任務(wù)。
論文地址：https://www.ijcai.org/proceedings/2018/0055.pdf
圖注意力機(jī)制的帶有常識(shí)知識(shí)的對(duì)話生成
Commonsense Knowledge Aware Conversation Generation with Graph Attention
論文摘要：常識(shí)知識(shí)對(duì)于許多自然語(yǔ)言處理任務(wù)來(lái)說(shuō)至關(guān)重要。本文提出了一種新的開放領(lǐng)域會(huì)話生成模型，以展示大規(guī)模常識(shí)知識(shí)如何促進(jìn)語(yǔ)言理解和生成。在給定用戶帖子的情況下，模型從知識(shí)庫(kù)中檢索相關(guān)知識(shí)圖，然后用靜態(tài)圖注意力機(jī)制對(duì)圖進(jìn)行編碼，以增強(qiáng)帖子的語(yǔ)義信息，從而支持對(duì)帖子的更好理解。之后，在單詞生成過(guò)程中，該模型通過(guò)動(dòng)態(tài)圖注意力機(jī)制仔細(xì)地讀取檢索到的知識(shí)圖和每個(gè)圖中的知識(shí)三元組，以便于更好地生成。這是第一次嘗試在對(duì)話生成中使用大規(guī)模常識(shí)知識(shí)。此外，與現(xiàn)有模型分別和獨(dú)立地使用知識(shí)三元組（實(shí)體）不同，我們的模型將每個(gè)知識(shí)圖作為一個(gè)整體來(lái)處理，從而在圖中編碼更結(jié)構(gòu)化、連接的語(yǔ)義信息。實(shí)驗(yàn)表明，該模型能夠產(chǎn)生比現(xiàn)有基準(zhǔn)更合適、信息量更大的響應(yīng)。
論文地址：https://www.ijcai.org/proceedings/2018/0643.pdf
圖相似性的簡(jiǎn)并框架
A Degeneracy Framework for Graph Similarity
論文摘要：精確測(cè)量圖形之間的相似性是許多學(xué)科應(yīng)用的核心問(wèn)題。大多數(shù)現(xiàn)有的確定圖相似性的方法要么關(guān)注圖的局部性質(zhì)，要么關(guān)注圖的全局性質(zhì)。然而，即使從局部或全局的角度來(lái)看，圖形看起來(lái)非常相似，但它們可能在不同的尺度上表現(xiàn)出不同的結(jié)構(gòu)。本文提出了一個(gè)通用的圖相似性框架，該框架考慮了多個(gè)不同尺度上的結(jié)構(gòu)。該框架利用圖的 k 核（k-core）分解來(lái)構(gòu)建嵌套子圖的層次結(jié)構(gòu)。應(yīng)用該框架導(dǎo)出了四種圖核（graph kernels）的變體：圖核、最短路徑核、Weisfeiler-Lehman 子樹核和金字塔匹配圖核。該框架不僅限于圖核，而是可以應(yīng)用于任何圖比較算法。該框架在多個(gè)用于圖分類的基準(zhǔn)數(shù)據(jù)集上進(jìn)行了評(píng)估。在大多數(shù)情況下，基于核的內(nèi)核在分類精度方面比基本內(nèi)核有顯著的提高，而它們的時(shí)間復(fù)雜度仍然非常優(yōu)秀。
論文地址：https://www.ijcai.org/proceedings/2018/0360.pdf
使用限制 Datalog 程序進(jìn)行聲明性數(shù)據(jù)分析的基本原理
Foundations of Declarative Data Analysis Using Limit Datalog Programs
論文摘要：受聲明性數(shù)據(jù)分析應(yīng)用的啟發(fā)，我們研究了 Datalog?，這是一個(gè)帶有整數(shù)運(yùn)算功能的實(shí)際數(shù)據(jù)記錄（positive Datalog）的擴(kuò)展。這一語(yǔ)言被認(rèn)為是不可判定的，因此我們提出了兩個(gè)分段。在 limit Datalog? 中，謂語(yǔ)被公理化以保持最小/最大數(shù)值，從而允許我們表明事實(shí)蘊(yùn)含（fact entailment）是結(jié)合中的完整 coNExpTime 和數(shù)據(jù)復(fù)雜性中的完整 coNP。此外，額外的穩(wěn)定性需求致使復(fù)雜性分別降至 ExpTime 和 PTime。最終，我們證明穩(wěn)定的 Datalog? 能夠表達(dá)很多有用的數(shù)據(jù)分析任務(wù)，因此我們的研究成果為高級(jí)信息系統(tǒng)的發(fā)展打下了堅(jiān)實(shí)的基礎(chǔ)。
論文地址：https://www.ijcai.org/proceedings/2017/0156.pdf
一般游戲玩法中的基于約束的對(duì)稱性檢測(cè)
Constraint-Based Symmetry Detection in General Game Playing
論文摘要：對(duì)稱檢測(cè)有望成為減少游戲搜索樹的一種方法。在一般游戲玩法（GGP）中，任何游戲由游戲描述語(yǔ)言（GDL）中的一組規(guī)則緊湊地表示，用于對(duì)稱檢測(cè)的最先進(jìn)的方法依賴于與 GDL 描述相關(guān)聯(lián)的規(guī)則圖的游戲。雖然這種基于規(guī)則的對(duì)稱檢測(cè)方法可以應(yīng)用于各種樹搜索算法，但它們僅涵蓋在 GDL 描述中顯而易見的有限數(shù)量的對(duì)稱性。在本文中，我們開發(fā)了利用約束編程技術(shù)的隨機(jī)游戲中的對(duì)稱檢測(cè)的替代方法。GDL 游戲中的極小值優(yōu)化問(wèn)題被當(dāng)做隨機(jī)約束滿足問(wèn)題（SCSP），可以將其視為一級(jí) SCSP 序列。Minimax 對(duì)稱性根據(jù)這些一階約束網(wǎng)絡(luò)的微結(jié)構(gòu)補(bǔ)充推斷?；谶@種方法的理論分析，我們實(shí)驗(yàn)性地展示了隨機(jī)約束求解器 MAC-UCB 結(jié)合基于約束的對(duì)稱性檢測(cè)，要顯著優(yōu)于標(biāo)準(zhǔn)的蒙特卡洛樹搜索算法與基于規(guī)則的對(duì)稱檢測(cè)的結(jié)合。這種約束驅(qū)動(dòng)的方法也通過(guò)我們的 AI 在最后一次 GGP 比賽中獲得的出色成績(jī)得到驗(yàn)證。
論文地址：https://www.ijcai.org/proceedings/2017/0040.pdf
通過(guò)知識(shí)片段遷移來(lái)實(shí)現(xiàn)一般異構(gòu)遷移的距離度量學(xué)習(xí)
General Heterogeneous Transfer Distance Metric Learning via Knowledge Fragments Transfer
論文摘要：遷移學(xué)習(xí)旨在通過(guò)利用其他相關(guān)任務(wù)的信息（或遷移知識(shí)）來(lái)提高目標(biāo)學(xué)習(xí)任務(wù)的表現(xiàn)。近來(lái)，遷移距離度量學(xué)習(xí)（TDML）吸引了很多研究者的興趣，但是大多數(shù)這些方法假設(shè)源和目標(biāo)學(xué)習(xí)任務(wù)的特征表示是一樣的。因此，它們不適用于數(shù)據(jù)來(lái)自異構(gòu)域（特征空間，模態(tài)甚至語(yǔ)義）的應(yīng)用程序。雖然一些現(xiàn)有的異構(gòu)傳輸學(xué)習(xí)（HTL）方法能夠處理這樣的問(wèn)題，但它們?cè)趯?shí)際應(yīng)用中缺乏靈活性，而學(xué)習(xí)的轉(zhuǎn)換通常被限制為線性的。因此，我們開發(fā)了基于知識(shí)片段的通用和靈活的異構(gòu) TDML（HTDML）框架遷移策略。在我們提出的 HTDML 中，可以使用任何（線性或非線性）距離度量學(xué)習(xí)算法來(lái)預(yù)先學(xué)習(xí)源度量。然后，從預(yù)先學(xué)習(xí)的源度量中提取一組知識(shí)片段，幫助目標(biāo)度量學(xué)習(xí)。此外，可以為目標(biāo)域?qū)W習(xí)線性或非線性距離度量。針對(duì)場(chǎng)景分類和對(duì)象識(shí)別的廣泛實(shí)驗(yàn)，也證明了我們所提出的這一方法的優(yōu)越性。
論文地址：https://www.ijcai.org/proceedings/2017/0341.pdf
用于泛化規(guī)劃的層次有限狀態(tài)控制器
Hierarchical Finite State Controllers for Generalized Planning
論文摘要：有限狀態(tài)控制器（Finite State Controllers，F(xiàn)SC）是一種緊湊地表征順序規(guī)劃的有效方式。通過(guò)在過(guò)渡上施加適當(dāng)?shù)臈l件，F(xiàn)SC 也能表征解決給定領(lǐng)域內(nèi)的一系列的規(guī)劃問(wèn)題。這篇論文介紹了分層 FSC的概念，它通過(guò)允許控制器調(diào)用其它控制器來(lái)進(jìn)行規(guī)劃。其中證明分層 FSC 可以比個(gè)體 FSC更緊湊地表征一般規(guī)劃。此外，其調(diào)用機(jī)制允許以模塊化的方式生成分層 FSC，甚至應(yīng)用遞歸方式。論文還介紹了能讓經(jīng)典規(guī)劃者生成分層 FSC 的匯編，這能解決很有挑戰(zhàn)性的一般規(guī)劃問(wèn)題。此匯編以來(lái)自特定領(lǐng)域的規(guī)劃問(wèn)題集合作為輸入，然后輸出一個(gè)單一經(jīng)典規(guī)劃問(wèn)題，這種解決方案對(duì)應(yīng)著一個(gè)分層 FSC。
論文地址：https://www.ijcai.org/Proceedings/16/Papers/458.pdf
用于非凸優(yōu)化的遞歸分解
Recursive Decomposition for Nonconvex Optimization
論文摘要：連續(xù)優(yōu)化是人工智能多個(gè)領(lǐng)域的一個(gè)重要的問(wèn)題，包括計(jì)算機(jī)視覺(jué)、機(jī)器人、概率推理與機(jī)器學(xué)習(xí)。遺憾的是，大多數(shù)現(xiàn)實(shí)世界的優(yōu)化問(wèn)題都是非標(biāo)準(zhǔn)技術(shù)，所以即使是像隨機(jī)重啟和模擬退火這樣的延伸，標(biāo)準(zhǔn)凸面技術(shù)也只能找到局部最優(yōu)解。我們觀察到，在許多情況下，目標(biāo)函數(shù)的局部模式有組合結(jié)構(gòu)，因此，組合優(yōu)化的思路可以支撐。在此基礎(chǔ)上，我們提出一個(gè)非凸優(yōu)化問(wèn)題的分解辦法。類似于 DPLL 風(fēng)格的 SAT 方法和概率推理中的遞歸調(diào)節(jié)，我們的算法將變量遞歸后，簡(jiǎn)化并分解目標(biāo)函數(shù)成近似獨(dú)立的子函數(shù)，直到剩余的功能很簡(jiǎn)單能夠用標(biāo)準(zhǔn)技術(shù)進(jìn)行優(yōu)化，如梯度下降。根據(jù)圖形的劃分來(lái)選擇變量，確保分解的可能性。我們的分析表明，RDIS 的建立的可以解決一大類非凸優(yōu)化梯度下降的問(wèn)題指數(shù)隨機(jī)重新啟動(dòng)。實(shí)驗(yàn)結(jié)果表明，在運(yùn)動(dòng)和蛋白質(zhì)折疊的結(jié)構(gòu)的相關(guān)問(wèn)題上，RDIS 優(yōu)于標(biāo)準(zhǔn)技術(shù)。
論文地址：https://www.ijcai.org/Proceedings/15/Papers/042.pdf
用于后驗(yàn)估算的貝葉斯主動(dòng)學(xué)習(xí)
Bayesian Active Learning for Posterior Estimation
論文摘要：該論文研究了在可能性評(píng)估代價(jià)高昂前提下，在貝葉斯設(shè)定中積極的后驗(yàn)估算?，F(xiàn)有技術(shù)的后驗(yàn)估算依賴于后驗(yàn)代表性樣本的形成。這種方法并不能支撐可能性評(píng)估方面考的效率。為了進(jìn)行有效的查詢，我們將后驗(yàn)估算放在有效的回歸框架中進(jìn)行。對(duì)于選擇在哪里評(píng)估可能性，我們提出兩個(gè)近視的查詢策略，并對(duì)他們進(jìn)行高斯過(guò)程。通過(guò)一系列的合成實(shí)驗(yàn)和真實(shí)的例子，證實(shí)我們的方法比現(xiàn)有的技術(shù)和其他啟發(fā)式后驗(yàn)估算有著更顯著的查詢效率。
論文地址：https://www.ijcai.org/Proceedings/15/Papers/507.pdf
通過(guò)隨機(jī)向量實(shí)現(xiàn)高維度貝葉斯優(yōu)化
Bayesian Optimization in High Dimensions via Random Embeddings
論文摘要：貝葉斯優(yōu)化技術(shù)已成功應(yīng)用于機(jī)器人、決策規(guī)劃、傳感器安置、推薦、廣告、智能化用戶界面和自動(dòng)算法成形。盡管取得這些成功，該方法僅限于中等規(guī)模的問(wèn)題，而貝葉斯優(yōu)化的幾次研討會(huì)已將其放到更高的維度作為一個(gè)領(lǐng)域的圣杯。在本文中，我們引入一個(gè)新的隨機(jī)嵌入的思路，來(lái)應(yīng)對(duì)這一問(wèn)題。由此產(chǎn)生的隨機(jī)嵌入貝葉斯優(yōu)化算法（REMBO）很簡(jiǎn)單，并適用于絕對(duì)連續(xù)變量領(lǐng)域。實(shí)驗(yàn)證明該方法有效解決高維問(wèn)題，包括流行的混合整數(shù)線性規(guī)劃求解器的自動(dòng)參數(shù)配置。
論文地址：https://www.ijcai.org/Proceedings/13/Papers/263.pdf
簡(jiǎn)單時(shí)態(tài)問(wèn)題的靈活性及去耦
Flexibility and Decoupling in the Simple Temporal Problem
論文摘要：在本文中，我們重點(diǎn)尋找一個(gè)合適的度量，以確定簡(jiǎn)單時(shí)態(tài)問(wèn)題（STP）的適應(yīng)性。在評(píng)估一些已經(jīng)提出的適應(yīng)性指標(biāo)之后，我們推斷這些指標(biāo)未能捕捉到在 STP 指定事件之間的相關(guān)性，導(dǎo)致了對(duì)現(xiàn)有系統(tǒng)適應(yīng)性的高估。我們建議，在不相關(guān)的時(shí)間間隔基礎(chǔ)上，對(duì) STP 事件的允許啟動(dòng)時(shí)間使用一個(gè)直觀且更易于接受的適應(yīng)性指標(biāo)。這個(gè)指標(biāo)被證明可以計(jì)算在低多項(xiàng)式的時(shí)間。作為一個(gè)靈活計(jì)算的副產(chǎn)品，我們得到一個(gè)分解的 STN 幾乎免費(fèi)：對(duì)事件空間里每一個(gè)可能的 k-partitioning，都可以在 O(k)-time 進(jìn)行分解計(jì)算。更重要的是，我們證明了與當(dāng)前普遍觀點(diǎn)相反的事實(shí)：這樣的分解不影響原始 STP 的適應(yīng)性。
論文地址：https://www.ijcai.org/Proceedings/13/Papers/356.pdf
博爾達(dá)計(jì)數(shù)下的無(wú)加權(quán)聯(lián)合操縱是 NP 難題
Unweighted Coalitional Manipulation Under the Borda Rule is NP-Hard
論文摘要：Borda 投票規(guī)則是一個(gè)基于位置的積分規(guī)則，面向 M 個(gè)候選人，規(guī)定第一位選舉候選人獲得 M－1 分，第二位獲得 M－2 分，以此類推?？偡肿罡叩暮蜻x人成為最終的勝出者。Borda 規(guī)則下的無(wú)加權(quán)聯(lián)合操縱問(wèn)題的計(jì)算復(fù)雜度，一直都是一個(gè)突出的開放性問(wèn)題：是否可以添加一定的額外投票數(shù)（稱為操縱器）選舉一位杰出的候選人成為勝出者？我們通過(guò)顯示 NP 難度來(lái)解決這個(gè)開放的問(wèn)題，即使是有兩個(gè)操縱器和三個(gè)輸入票。此外，我們還討論了這個(gè)難題結(jié)果的擴(kuò)展和局限性。
論文地址：https://www.ijcai.org/Proceedings/11/Papers/021.pdf
2D 與 3D 歐幾里得空間中連接約束的判別
On the Decidability of Connectedness Constraints in 2D and 3D Euclidean Spaces
論文摘要：我們研究了（無(wú)量詞）空間約束語(yǔ)言，它具有相等、接觸和連通性謂詞，以及在低維歐幾里德空間經(jīng)過(guò)解釋的區(qū)域上的布爾運(yùn)算。 我們的實(shí)驗(yàn)表明，推理的復(fù)雜性根據(jù)空間的維度和所考慮的區(qū)域類型而發(fā)生巨大變化。 例如，具有內(nèi)部連通性謂詞（并且沒(méi)有接觸）的邏輯對(duì)于 R 的 2 次方中的多邊形或常規(guī)閉合集、R 的 3 次方中的多面體上的 EXPTIME-complete 問(wèn)題以及 R 的 3 次方中的常規(guī)閉合集上的 NP-complete 問(wèn)題都是不可判定的。
論文地址：https://www.ijcai.org/Proceedings/11/Papers/165.pdf
對(duì)于蒙特卡洛樹搜索的嵌套輸出策略的調(diào)整
Nested Rollout Policy Adaptation for Monte Carlo Tree Search
論文摘要：蒙特卡洛樹搜索（MCTS）方法最近在游戲、規(guī)劃和優(yōu)化等領(lǐng)域的取得成功。MCTS 是利用輸出來(lái)指導(dǎo)搜索；其中一個(gè)展示的是隨機(jī)決策樹在每一層的下降路徑，直到到達(dá)葉子。MCTS 的結(jié)果會(huì)受到適當(dāng)?shù)牟呗詮?qiáng)烈影響并使輸出結(jié)果出現(xiàn)偏差。以往的 MCTS 工作中，大多都使用靜態(tài)隨機(jī)或特定領(lǐng)域的策略。在決定性的優(yōu)化問(wèn)題上，我們描述了一種新的方法，即動(dòng)態(tài)模擬搜索中的輸出策略。我們的出發(fā)點(diǎn)是 Cazenave 的原始嵌套蒙特卡洛搜索（NMCS），相比直接操縱決策樹本身，我們?cè)谇短姿阉鞯拿總€(gè)層級(jí)上使用梯度上升的輸出策略。我們以這一新的嵌套輸出策略調(diào)整（NRPA）算法為基準(zhǔn)并檢測(cè)其表現(xiàn)。我們的測(cè)試問(wèn)題是填字游戲和五子棋。在適當(dāng)?shù)臅r(shí)間規(guī)模下，相比 NMCS，NRPA 可以大大提高搜索效率，并在較長(zhǎng)的時(shí)間的維度下，在測(cè)試問(wèn)題中的改進(jìn)也都超過(guò)了以往所有的解決方式。新的五子棋解決方案在保持了超過(guò) 30 年人類記錄的基礎(chǔ)上實(shí)現(xiàn)了提升。
論文地址：https://www.ijcai.org/Proceedings/11/Papers/115.pdf
Horn SHIQ 本體論的結(jié)果驅(qū)動(dòng)推導(dǎo)
Consequence-Driven Reasoning for Horn SHIQ Ontologies
論文摘要：我們?yōu)?nbsp;Horn SHIQ 本體論提出了一個(gè)新的推理程序——可將 SHIQ 本體論轉(zhuǎn)換為一階邏輯的 Horn 片段。與傳統(tǒng)的本體推理程序相比，該推理程序不構(gòu)建模型或模型表示，而是通過(guò)推導(dǎo)新的結(jié)論性公理來(lái)實(shí)現(xiàn)。它與 EL ++本體論所謂的基于完成的程序關(guān)聯(lián)度很高，且可被視為后者其中的一項(xiàng)擴(kuò)展。 實(shí)際上，我們提出的程序在理論上對(duì)于 Horn SHIQ 本體以及 EL ++ 和 SHIQ 的常見片段是最佳的。該程序在大型醫(yī)學(xué)本體上進(jìn)行的初步實(shí)證評(píng)估表明，與現(xiàn)有的本體推理機(jī)相比，我們的程序有了明顯的改進(jìn)。具體而言，該程序的實(shí)現(xiàn)能夠?qū)?Galen 可用性最高的 OWL 版本進(jìn)行分類。 據(jù)我們所知，目前還沒(méi)有其他推理機(jī)能夠?qū)@一本體進(jìn)行分類。
論文地址：https://www.ijcai.org/Proceedings/09/Papers/336.pdf
使用查詢實(shí)現(xiàn)學(xué)習(xí)條件偏愛(ài)網(wǎng)絡(luò)
Learning Conditional Preference Networks with Queries
論文摘要：我們研究了在等價(jià)精確學(xué)習(xí)和成員查詢的著名模型中誘發(fā) CP-nets 的問(wèn)題，目標(biāo)是通過(guò)引導(dǎo)用戶通過(guò)一系列的查詢確定一個(gè)二進(jìn)制值的偏好序列。每個(gè)示例都是對(duì)產(chǎn)出結(jié)果的優(yōu)勢(shì)度測(cè)試。在此設(shè)置中，我們表明了非循環(huán)的 CP-nets 僅根據(jù)等值查詢是不具備學(xué)習(xí)性的，但如果給定的示例被限制交換，它們?cè)诔蓡T查詢的幫助下是可以學(xué)習(xí)的。任意示例中的樹形 CP-nets 都具有相似的屬性。事實(shí)上，針對(duì)查詢復(fù)雜度僅為屬性數(shù)的對(duì)數(shù)問(wèn)題，成員查詢?cè)试S我們提供屬性有效的算法。這個(gè)結(jié)果強(qiáng)調(diào)了該模型在更多屬性的領(lǐng)域中啟用 CP-nets 的有效性。
論文地址：https://www.ijcai.org/Proceedings/09/Papers/319.pdf
大規(guī)模多級(jí)隨機(jī)整數(shù)程序的在線預(yù)測(cè)算法性能分析
Performance Analysis of Online Anticipatory Algorithms for Large Multistage Stochastic Integer Programs
論文摘要：盡管近年來(lái)在算法方面取得了重大進(jìn)展，然而現(xiàn)存方法距離為大規(guī)模、多級(jí)隨機(jī)組合優(yōu)化問(wèn)題找到最佳策略還存在很遠(yuǎn)一段距離。該論文研究了一種互補(bǔ)的方法——在線預(yù)測(cè)算法，該算法通過(guò)解決多個(gè)場(chǎng)景的預(yù)測(cè)松弛問(wèn)題在每個(gè)步驟做出決策。在線預(yù)測(cè)算法在多個(gè)應(yīng)用中都實(shí)現(xiàn)了令人驚喜的好結(jié)果，同時(shí)這篇論文旨在闡述得出這一結(jié)果的過(guò)程。特別地，該論文在在線預(yù)測(cè)算法實(shí)現(xiàn)了良好的預(yù)期效用并研究了在算法中出現(xiàn)的各類誤差（包括預(yù)測(cè)誤差和抽樣誤差等）的情況下得到了充分條件。實(shí)驗(yàn)顯示，針對(duì)對(duì)數(shù)個(gè)場(chǎng)景，抽樣誤差可以忽略不計(jì)，而預(yù)測(cè)誤差對(duì)于現(xiàn)有的應(yīng)用來(lái)說(shuō)，無(wú)論在理論上還是實(shí)驗(yàn)中，都更難以綁定且非常小。
論文地址：https://www.aaai.org/Papers/IJCAI/2007/IJCAI07-319.pdf
使用貝葉斯網(wǎng)絡(luò)實(shí)現(xiàn)從超聲圖像進(jìn)行自動(dòng)化心臟壁異?；顒?dòng)探測(cè)
Automated Heart Wall Motion Abnormality Detection From Ultrasound Images using Bayesian Networks
論文摘要：冠心病可以通過(guò)評(píng)估左心室超聲圖像中心臟壁的局部運(yùn)動(dòng)來(lái)診斷。我們描述了一個(gè)強(qiáng)大的全自動(dòng)化技術(shù)，通過(guò)檢測(cè)和自動(dòng)跟蹤左心室的心內(nèi)膜和外膜來(lái)檢測(cè)患病心臟病。基于局部很整個(gè)左心室壁的運(yùn)動(dòng)，心臟壁區(qū)域和整個(gè)心臟會(huì)被劃分為正常區(qū)域和非正常區(qū)域。為了利用心臟的結(jié)構(gòu)信息，我們對(duì)這個(gè)問(wèn)題應(yīng)用貝葉斯網(wǎng)絡(luò)，并通過(guò)使用結(jié)構(gòu)學(xué)習(xí)算法的數(shù)據(jù)，了解心臟壁面區(qū)域之間的關(guān)系。我們通過(guò)心臟解剖學(xué)知識(shí)和醫(yī)生描述的醫(yī)學(xué)規(guī)則檢查了獲得的結(jié)構(gòu)的有效性。貝葉斯網(wǎng)絡(luò)分類器僅依賴于一個(gè)小的子集，該子集的數(shù)值特征通過(guò)時(shí)間追蹤和濾波器的選擇方法提取對(duì)偶輪廓。我們的數(shù)值結(jié)果證實(shí)了我們的系統(tǒng)在醫(yī)院日常實(shí)踐中收集的超聲心動(dòng)圖中是可靠和準(zhǔn)確的，我們的系統(tǒng)就是為現(xiàn)實(shí)的使用而建立。
論文地址：https://www.ijcai.org/Proceedings/07/Papers/082.pdf
在 SAT 本地搜索中構(gòu)建結(jié)構(gòu)
Building Structure into Local Search for SAT
論文摘要：在本文中，我們表明本地搜索技術(shù)能有效地發(fā)掘問(wèn)題結(jié)構(gòu)信息，并且在結(jié)構(gòu)化問(wèn)題的例子的表現(xiàn)中產(chǎn)生顯著的改善。在 Ostrowski 等人的早期工作的基礎(chǔ)上，我們描述了如何將變量相關(guān)性信息內(nèi)置到本地搜索中，以便只有獨(dú)立變量被考慮反轉(zhuǎn)。通過(guò)使用模型依賴于使用關(guān)口的變量的依賴框架，其每次反轉(zhuǎn)的成本效應(yīng)就可以被動(dòng)態(tài)計(jì)算。困難結(jié)構(gòu)基準(zhǔn)問(wèn)題的實(shí)驗(yàn)研證實(shí)了我們的新方法顯著優(yōu)于此前報(bào)道的最佳本地搜索技術(shù)。
論文地址：https://www.ijcai.org/Proceedings/07/Papers/380.pdf
學(xué)習(xí)協(xié)調(diào)分類器
Learning Coordination Classifiers
論文摘要：我們提出了一種只需學(xué)習(xí)單個(gè)基本分類器的新的集成分類方法，它的思路是學(xué)習(xí)一個(gè)能同時(shí)預(yù)測(cè)測(cè)試標(biāo)簽對(duì)的分類器，而不是學(xué)習(xí)單個(gè)測(cè)試標(biāo)簽的多個(gè)預(yù)測(cè)器，然后通過(guò)在數(shù)據(jù)上傳播圖上的信念來(lái)協(xié)調(diào)各個(gè)標(biāo)簽的分配。我們認(rèn)為即便對(duì)于獨(dú)立的同分布（iid）數(shù)據(jù)，該方法在統(tǒng)計(jì)上也能發(fā)揮很好的激勵(lì)作用。 實(shí)際上，實(shí)驗(yàn)結(jié)果顯示，這一方法在一系列 iid 數(shù)據(jù)集和一組基本分類器上的分類準(zhǔn)確度，都要優(yōu)于單一樣本分類器。與增強(qiáng)類似，該技術(shù)通過(guò)分類器組合的基本形式來(lái)控制方差，從而增加表征能力。
論文地址：https://www.ijcai.org/Proceedings/05/Papers/1585.pdf
解決跳棋問(wèn)題
Solving Checkers
論文摘要：AI 在游戲程序方面取得了巨大的成功，能夠與人類最好的玩家媲美。而具有大型存儲(chǔ)器和磁盤的快速、充裕的機(jī)器的可用性則為解決一款游戲問(wèn)題創(chuàng)造了可能性。在這之前，一些相對(duì)簡(jiǎn)單或小型的游戲已經(jīng)實(shí)現(xiàn)了。在這篇論文中，我們提出了解決跳棋游戲的新思路和新算法。跳棋游戲是一款廣受歡迎的競(jìng)技游戲，存在 10 的 20 次方個(gè)可能位置的搜索空間。本論文展示了我們的第一個(gè)實(shí)驗(yàn)結(jié)果，解決了其中一個(gè)最具挑戰(zhàn)性的跳棋開局問(wèn)題——白旗先行導(dǎo)致平局。解決大概 50 多場(chǎng)開局問(wèn)題將會(huì)讓跳棋的游戲理論價(jià)值得到肯定。
論文地址：https://www.ijcai.org/Proceedings/05/Papers/0515.pdf
信息抽取冗余的概率模型
A Probabilistic Model of Redundancy in Information Extraction
論文摘要：無(wú)監(jiān)督信息抽?。║IE）是一項(xiàng)從文本中提取知識(shí)的任務(wù)，該任務(wù)無(wú)需使用手動(dòng)標(biāo)注訓(xùn)練樣本。無(wú)監(jiān)督信息抽取和信息抽取二者的一個(gè)基本問(wèn)題就是評(píng)估抽取信息的正確率。在網(wǎng)頁(yè)等大型資料庫(kù)中，不同的檔案中往往存在重復(fù)地提取相同的知識(shí)的情況。那信息抽取的這種冗余會(huì)怎樣影響正確率呢？
這篇論文介紹了一個(gè)組合的「ball-and-urns」模型，該模型能夠計(jì)算出樣本大小、冗余以及來(lái)自多個(gè)不同抽取規(guī)則的確證對(duì)于抽取信息的正確率的影響。我們描述了在實(shí)踐中估計(jì)模型參數(shù)的方法，并通過(guò)實(shí)驗(yàn)證明，對(duì)于 UIE 來(lái)說(shuō)，該模型的對(duì)數(shù)似然性平均比使用逐點(diǎn)互信息（PMI）以及此前在工作中使用的 noisy-or 模型的對(duì)數(shù)似然性要高出 15 倍。對(duì)于監(jiān)督信息抽取而言，該模型的性能可與支持向量機(jī)以及邏輯回歸媲美。
論文地址：https://www.ijcai.org/Proceedings/05/Papers/1390.pdf
德州撲克的游戲理論最優(yōu)策略近似
Approximating Game-Theoretic Optimal Strategies for Full-scale Poker
論文摘要：德州撲克的游戲理論最優(yōu)策略的首個(gè)完全近似的計(jì)算問(wèn)題得到解決。該論文將幾種抽象技術(shù)進(jìn)行組合以表示大小為 O（10 的 18 次方）的兩位玩家的德州撲克游戲，同時(shí)使用每個(gè)大小都為 O（10 的 7 次方）的密切相關(guān)的模型。 盡管大小系數(shù)減少了 1000 億，但最終模型仍保留了真實(shí)游戲的關(guān)鍵屬性和結(jié)構(gòu)。 將抽象游戲的線性編程解決方案用來(lái)創(chuàng)建大幅改進(jìn)的撲克游戲程序，不僅能夠擊敗強(qiáng)大的人類玩家，還能與世界級(jí)的選手對(duì)戰(zhàn)。
論文地址： https://www.ijcai.org/Proceedings/03/Papers/097.pdf
即時(shí)定位與地圖構(gòu)建的稀疏連接樹濾波器
Thin Junction Tree Filters for Simultaneous Localization and Mapping
論文摘要：即時(shí)定位與地圖構(gòu)建（SLAM）是移動(dòng)機(jī)器人的一個(gè)基本問(wèn)題：當(dāng)機(jī)器人在未知環(huán)境中進(jìn)行導(dǎo)航時(shí)，它必須逐步構(gòu)建周圍環(huán)境的地圖，并同時(shí)在該地圖內(nèi)對(duì)自身進(jìn)行定位。一種常用的解決方案是將 SLAM 視為估計(jì)問(wèn)題，并應(yīng)用卡爾曼濾波器，這種方法很講究，但無(wú)法很好地?cái)U(kuò)展：信念狀態(tài)的大小和濾波器更新的時(shí)間復(fù)雜度都會(huì)在地圖中的地標(biāo)數(shù)量上呈二次方增長(zhǎng)。本文提出了一種過(guò)濾技術(shù)，它將信念狀態(tài)的易處理近似維持為一個(gè)稀疏連接樹。連接樹隨著過(guò)濾器的更新增長(zhǎng)，并通過(guò)有效的最大似然投影周期性地「變稀疏」，因而其推斷仍然易于處理。當(dāng)應(yīng)用于 SLAM 問(wèn)題時(shí)，這些稀疏連接樹濾波器具有線性空間信念狀態(tài)和線性時(shí)間濾波操作。進(jìn)一步的近似所生成的濾波操作通常是恒定時(shí)間的。本論文對(duì)一系列 SLAM 問(wèn)題進(jìn)行的實(shí)驗(yàn)，也對(duì)這種方法進(jìn)行了驗(yàn)證。
論文地址：https://www.ijcai.org/Proceedings/03/Papers/166.pdf
基于架構(gòu)的因果關(guān)系的復(fù)雜結(jié)果
Complexity Results for Structure-Based Causality
論文摘要：我們給出了 Pearl 結(jié)構(gòu)模型中因果關(guān)系的計(jì)算復(fù)雜性的精確圖像，在該模型中，我們關(guān)注變量之間的因果關(guān)系、事件因果關(guān)系以及概率因果關(guān)系。至于變量之間的因果關(guān)系，我們考慮因果不相關(guān)的概念、原因、上下語(yǔ)境中的原因、直接原因和間接原因。針對(duì)事件因果關(guān)系，我們分析了必要和可能原因的概念的復(fù)雜度，以及 Halpern 和 Pearl 所提出的弱和實(shí)際原因的復(fù)雜概念。在此過(guò)程中，我們也證明了 Halpern 和 Pearl 所提出的一個(gè)開放式猜想，并展示了其他的語(yǔ)義結(jié)果。然后，我們分析了與概率因果無(wú)關(guān)的概率概念的復(fù)雜性、事件的可能原因以及事件的發(fā)生，而忽略其他事件。除此之外，我們還考慮涉及反事實(shí)公式的決策和優(yōu)化問(wèn)題。據(jù)我們所知，該領(lǐng)域迄今為止尚未考慮結(jié)構(gòu)模型方法中因果關(guān)系的復(fù)雜度方面，而我們的實(shí)驗(yàn)結(jié)果中則體現(xiàn)了這一問(wèn)題。雷鋒網(wǎng)
論文地址：https://www.sciencedirect.com/science/article/pii/S0004370202002710
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
