Байесовский программный синтез
В языках программирования и машинном обученииБайесовский синтез программ (BPS) - это метод синтеза программ, при котором байесовские вероятностные программы автоматически строят новые байесовские вероятностные программы.[1] Этот подход отличается от обычной практики вероятностного программирования, когда разработчики вручную пишут Новые вероятностные программы.
Фреймворк[править]
Байесовский синтез программ (BPS) был описан как структура, связанная с вероятностным программированием и использующая его. В BPS генерируются вероятностные программы, которые сами являются Приорами в пространстве вероятностных программ. Эта стратегия позволяет автоматически синтезировать новые программы с помощью вероятностного вывода и достигается составлением модульных компонентных программ.
Модульность в BPS позволяет выводу работать и тестировать меньшие вероятностные программы, прежде чем быть интегрированным в большую модель.
Эта структура может быть противопоставлена семейству автоматизированных полей синтеза программ, которые включают программирование на примере и программирование на демонстрации. Цель в таких областях состоит в том, чтобы найти лучшую программу, которая удовлетворяет некоторому ограничению. В традиционном программном синтезе, например, верификация логических ограничений уменьшает пространство состояний возможных программ, позволяя более эффективно искать оптимальную программу. Байесовский синтез программ отличается как тем, что ограничения вероятностны, так и тем, что результат сам по себе является распределением по программам, которые могут быть дополнительно уточнены.
Кроме того, синтез Байесовской программы может быть противопоставлен работе по обучению Байесовской программы, где вероятностные компоненты программы написаны от руки, предварительно обучены данным, а затем собраны вручную для распознавания рукописных символов.
См. также[править]
Пруф[править]
.bnnbloomberg.ca/video/artificial-intelligence-to-see-significant-progress-in-2017-gva~1082352