会员服务
TOOLS ·
2020 年 12 月 1 日
Combining nondeterminism, probability, and termination: equational and metric reasoning
翻译：将非确定性、概率和终止性结合起来:等式推理和衡量推理
Matteo Mio,Ralph Sarkis,Valeria Vignudelli
Matteo Mio,Ralph Sarkis,Valeria Vignudelli

We study monads resulting from the combination of nondeterministic and probabilistic behaviour with the possibility of termination, which is essential in program semantics. Our main contributions are presentation results for the monads, providing equational reasoning tools for establishing equivalences and distances of programs.


翻译：我们研究的是非决定性和概率行为与终止的可能性相结合产生的寺院,这在方案语义学中至关重要。 我们的主要贡献是向寺院介绍结果,为建立等同和距离方案提供方程推理工具。
0
下载
关闭预览

相关内容

【快讯】ICML 2020论文出炉，1088篇上榜， 你的paper中了吗？
【快讯】ICML 2020论文出炉，1088篇上榜， 你的paper中了吗？
专知会员服务
51+阅读 · 2020年6月1日
【论文推荐】逆问题，深度学习，对称性破缺，Inverse Problems, Deep Learning, and Symmetry Breaking
【论文推荐】逆问题，深度学习，对称性破缺，Inverse Problems, Deep Learning, and Symmetry Breaking
专知会员服务
25+阅读 · 2020年3月27日
【斯坦福大学AAAI2020】跨越因果层次的概率推理，Probabilistic Reasoning across the Causal Hierarchy
【斯坦福大学AAAI2020】跨越因果层次的概率推理，Probabilistic Reasoning across the Causal Hierarchy
专知会员服务
45+阅读 · 2020年1月11日
【Python Tricks新书】The book: A Buffet of Awesome Python Features，299页pdf
【Python Tricks新书】The book: A Buffet of Awesome Python Features，299页pdf
专知会员服务
43+阅读 · 2020年1月1日
【论文】用于推理的概率逻辑神经网络（Probabilistic Logic Neural Networks for Reasoning）
【论文】用于推理的概率逻辑神经网络（Probabilistic Logic Neural Networks for Reasoning）
专知会员服务
102+阅读 · 2019年12月30日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
168+阅读 · 2019年10月11日
最新BERT相关论文清单，BERT-related Papers
最新BERT相关论文清单，BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
【AAMSA 2019 | tutorial】多智能体系统中的认知推理Epistemic Reasoning In Multiagent Systems ,法国雷恩François Schwarzentruber
【AAMSA 2019 | tutorial】多智能体系统中的认知推理Epistemic Reasoning In Multiagent Systems ,法国雷恩François Schwarzentruber
专知会员服务
21+阅读 · 2019年5月14日
强化学习三篇论文 避免遗忘等
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
12+阅读 · 2017年9月24日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Paraconsistent Foundations for Probabilistic Reasoning, Programming and Concept Formation
Paraconsistent Foundations for Probabilistic Reasoning, Programming and Concept Formation
Arxiv
0+阅读 · 2021年1月14日
Kernels on Sample Sets via Nonparametric Divergence Estimates
Arxiv
0+阅读 · 2021年1月14日
Finding faults: A scoping study of fault diagnostics for Industrial Cyber-Physical Systems
Arxiv
0+阅读 · 2021年1月14日
Round-Competitive Algorithms for Uncertainty Problems with Parallel Queries
Arxiv
0+阅读 · 2021年1月14日
Maximizing Products of Linear Forms, and The Permanent of Positive Semidefinite Matrices
Arxiv
0+阅读 · 2021年1月13日
Probabilistic Logic Neural Networks for Reasoning
Arxiv
7+阅读 · 2019年6月20日
Metrics for Explainable AI: Challenges and Prospects
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
Attention-based Ensemble for Deep Metric Learning
Arxiv
16+阅读 · 2018年4月2日
Latent nested nonparametric priors
Arxiv
4+阅读 · 2018年1月15日
The Unreasonable Effectiveness of Deep Features as a Perceptual Metric
Arxiv
11+阅读 · 2018年1月11日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
TOOLS
相关VIP内容
【快讯】ICML 2020论文出炉，1088篇上榜， 你的paper中了吗？
【快讯】ICML 2020论文出炉，1088篇上榜， 你的paper中了吗？
专知会员服务
51+阅读 · 2020年6月1日
【论文推荐】逆问题，深度学习，对称性破缺，Inverse Problems, Deep Learning, and Symmetry Breaking
【论文推荐】逆问题，深度学习，对称性破缺，Inverse Problems, Deep Learning, and Symmetry Breaking
专知会员服务
25+阅读 · 2020年3月27日
【斯坦福大学AAAI2020】跨越因果层次的概率推理，Probabilistic Reasoning across the Causal Hierarchy
【斯坦福大学AAAI2020】跨越因果层次的概率推理，Probabilistic Reasoning across the Causal Hierarchy
专知会员服务
45+阅读 · 2020年1月11日
【Python Tricks新书】The book: A Buffet of Awesome Python Features，299页pdf
【Python Tricks新书】The book: A Buffet of Awesome Python Features，299页pdf
专知会员服务
43+阅读 · 2020年1月1日
【论文】用于推理的概率逻辑神经网络（Probabilistic Logic Neural Networks for Reasoning）
【论文】用于推理的概率逻辑神经网络（Probabilistic Logic Neural Networks for Reasoning）
专知会员服务
102+阅读 · 2019年12月30日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
168+阅读 · 2019年10月11日
最新BERT相关论文清单，BERT-related Papers
最新BERT相关论文清单，BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
【AAMSA 2019 | tutorial】多智能体系统中的认知推理Epistemic Reasoning In Multiagent Systems ,法国雷恩François Schwarzentruber
【AAMSA 2019 | tutorial】多智能体系统中的认知推理Epistemic Reasoning In Multiagent Systems ,法国雷恩François Schwarzentruber
专知会员服务
21+阅读 · 2019年5月14日
热门VIP内容
相关资讯
强化学习三篇论文 避免遗忘等
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
12+阅读 · 2017年9月24日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
Paraconsistent Foundations for Probabilistic Reasoning, Programming and Concept Formation
Paraconsistent Foundations for Probabilistic Reasoning, Programming and Concept Formation
Arxiv
0+阅读 · 2021年1月14日
Kernels on Sample Sets via Nonparametric Divergence Estimates
Arxiv
0+阅读 · 2021年1月14日
Finding faults: A scoping study of fault diagnostics for Industrial Cyber-Physical Systems
Arxiv
0+阅读 · 2021年1月14日
Round-Competitive Algorithms for Uncertainty Problems with Parallel Queries
Arxiv
0+阅读 · 2021年1月14日
Maximizing Products of Linear Forms, and The Permanent of Positive Semidefinite Matrices
Arxiv
0+阅读 · 2021年1月13日
Probabilistic Logic Neural Networks for Reasoning
Arxiv
7+阅读 · 2019年6月20日
Metrics for Explainable AI: Challenges and Prospects
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
Attention-based Ensemble for Deep Metric Learning
Arxiv
16+阅读 · 2018年4月2日
Latent nested nonparametric priors
Arxiv
4+阅读 · 2018年1月15日
The Unreasonable Effectiveness of Deep Features as a Perceptual Metric
Arxiv
11+阅读 · 2018年1月11日
Top
微信扫码咨询专知VIP会员
Top