报告题目：

  统计关系模型的提升算法研究：从推断到采样

报告摘要：

  统计关系人工智能（Statistical relational AI）是在不确定性下，对个体与关系进行分析研究的领域，其中所使用的表示通常被称为统计关系模型（Statistical relational models，SRM）。SRM可以看作是概率图模型（如贝叶斯网络和马尔可夫网络）在关系逻辑（relational logic）中的扩展，不同于概率图模型对于具体个体进行建模，SRM将一组具有某种相同性质的个体看做一个抽象的“对象”，并使用关系逻辑来描述这些对象之间的关系。相较于概率图模型，使用SRM建模的一个重要优势是，对于SRM的分析可以在抽象的对象层面上进行，而不必考虑具体的个体，从而使得计算效率得到指数级提升。这种方法被称作提升方法（lifting），在SRM的参数学习、概率推断和采样中都有广泛的应用。在本报告中，将介绍提升方法在SRM中的应用，重点讨论提升推断（lifted inference）和提升采样（lifted sampling）算法的研究进展。

报告人简介：

  王元宏，北京航空航天大学计算机学院博士研究生。研究方向为统计关系人工智能，在国际人工智能领域及理论计算机领域的顶级会议和期刊上发表多篇论文，包括AIJ，LICS，AAAI等，其中2023年发表在LICS上的论文为国内机构第14篇，也是该年度的唯一一篇国内作者的论文。

报告时间：2024年6月11日 13:00

报告地点：正新楼三楼人工智能学院报告厅

主办单位：人工智能学院