Lifted Weight Learning of Markov Logic Networks Revisited
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F19%3A00331881" target="_blank" >RIV/68407700:21230/19:00331881 - isvavai.cz</a>
Výsledek na webu
<a href="http://proceedings.mlr.press/v89/kuzelka19a/kuzelka19a.pdf" target="_blank" >http://proceedings.mlr.press/v89/kuzelka19a/kuzelka19a.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Lifted Weight Learning of Markov Logic Networks Revisited
Popis výsledku v původním jazyce
We study lifted weight learning of Markovlogic networks. We show that there is an al-gorithm for maximum-likelihood learning of2-variable Markov logic networks which runsin time polynomial in the domain size. Ourresults are based on existing lifted-inferencealgorithms and recent algorithmic results oncomputing maximum entropy distributions.
Název v anglickém jazyce
Lifted Weight Learning of Markov Logic Networks Revisited
Popis výsledku anglicky
We study lifted weight learning of Markovlogic networks. We show that there is an al-gorithm for maximum-likelihood learning of2-variable Markov logic networks which runsin time polynomial in the domain size. Ourresults are based on existing lifted-inferencealgorithms and recent algorithmic results oncomputing maximum entropy distributions.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/EF16_019%2F0000765" target="_blank" >EF16_019/0000765: Výzkumné centrum informatiky</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of Machine Learning Research
ISBN
—
ISSN
2640-3498
e-ISSN
2640-3498
Počet stran výsledku
9
Strana od-do
1753-1761
Název nakladatele
Proceedings of Machine Learning Research
Místo vydání
—
Místo konání akce
Naha
Datum konání akce
16. 4. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—