Buchumschlag

Learning to Solve the Constrained Most Probable Explanation Task in Probabilistic Graphical Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Arya, Shivvrat, Rahman, Tahrima, Gogate, Vibhav
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural Network Approximators for Marginal MAP in Probabilistic Circuits
von: Arya, Shivvrat, et al.
Veröffentlicht: (2024)

Learning to Guide Local Search for MPE Inference in Probabilistic Graphical Models
von: Malhotra, Brij, et al.
Veröffentlicht: (2026)

Learning to Condition: A Neural Heuristic for Scalable MPE Inference
von: Malhotra, Brij, et al.
Veröffentlicht: (2025)

Deep Dependency Networks and Advanced Inference Schemes for Multi-Label Classification
von: Arya, Shivvrat, et al.
Veröffentlicht: (2024)

Defeasible Visual Entailment: Benchmark, Evaluator, and Reward-Driven Optimization
von: Zhang, Yue, et al.
Veröffentlicht: (2024)

Probabilistic Federated Learning on Uncertain and Heterogeneous Data with Model Personalization
von: Rahman, Ratun, et al.
Veröffentlicht: (2026)

Locally-Minimal Probabilistic Explanations
von: Izza, Yacine, et al.
Veröffentlicht: (2023)

Counterfactual Explanations with Probabilistic Guarantees on their Robustness to Model Change
von: Stępka, Ignacy, et al.
Veröffentlicht: (2024)

Hyperparameter Optimisation with Practical Interpretability and Explanation Methods in Probabilistic Curriculum Learning
von: Salt, Llewyn, et al.
Veröffentlicht: (2025)

Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations
von: Marzari, Luca, et al.
Veröffentlicht: (2024)

GNNInterpreter: A Probabilistic Generative Model-Level Explanation for Graph Neural Networks
von: Wang, Xiaoqi, et al.
Veröffentlicht: (2022)

Federated Learning with Neural Graphical Models
von: Chajewska, Urszula, et al.
Veröffentlicht: (2023)

Probabilistic Performance Guarantees for Multi-Task Reinforcement Learning
von: Schnitzer, Yannik, et al.
Veröffentlicht: (2026)

Adaptive Variational Inference in Probabilistic Graphical Models: Beyond Bethe, Tree-Reweighted, and Convex Free Energies
von: Leisenberger, Harald, et al.
Veröffentlicht: (2025)

MLCopilot: Unleashing the Power of Large Language Models in Solving Machine Learning Tasks
von: Zhang, Lei, et al.
Veröffentlicht: (2023)

Probabilistically Plausible Counterfactual Explanations with Normalizing Flows
von: Wielopolski, Patryk, et al.
Veröffentlicht: (2024)

Most General Explanations of Tree Ensembles (Extended Version)
von: Izza, Yacine, et al.
Veröffentlicht: (2025)

Trust Regions for Explanations via Black-Box Probabilistic Certification
von: Dhurandhar, Amit, et al.
Veröffentlicht: (2024)

A Probabilistic Consensus-Driven Approach for Robust Counterfactual Explanations
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

Handling Long and Richly Constrained Tasks through Constrained Hierarchical Reinforcement Learning
von: Lu, Yuxiao, et al.
Veröffentlicht: (2023)

PQMass: Probabilistic Assessment of the Quality of Generative Models using Probability Mass Estimation
von: Lemos, Pablo, et al.
Veröffentlicht: (2024)

Reducing the Probability of Undesirable Outputs in Language Models Using Probabilistic Inference
von: Zhao, Stephen, et al.
Veröffentlicht: (2025)

PeersimGym: An Environment for Solving the Task Offloading Problem with Reinforcement Learning
von: Metelo, Frederico, et al.
Veröffentlicht: (2024)

Planning with a Learned Policy Basis to Optimally Solve Complex Tasks
von: Infante, Guillermo, et al.
Veröffentlicht: (2024)

CycloneMAE: A Scalable Multi-Task Learning Model for Global Tropical Cyclone Probabilistic Forecasting
von: Hang, Renlong, et al.
Veröffentlicht: (2026)

Probabilistic Constrained Reinforcement Learning with Formal Interpretability
von: Wang, Yanran, et al.
Veröffentlicht: (2023)

TACENR: Task-Agnostic Contrastive Explanations for Node Representations
von: Papanikou, Vasiliki, et al.
Veröffentlicht: (2026)

Solving Probabilistic Verification Problems of Neural Networks using Branch and Bound
von: Boetius, David, et al.
Veröffentlicht: (2024)

BayesAgent: Bayesian Agentic Reasoning Under Uncertainty via Verbalized Probabilistic Graphical Modeling
von: Huang, Hengguan, et al.
Veröffentlicht: (2024)

Solving Deep Reinforcement Learning Tasks with Evolution Strategies and Linear Policy Networks
von: Wong, Annie, et al.
Veröffentlicht: (2024)

Learning to Solve Resource-Constrained Project Scheduling Problems with Duration Uncertainty using Graph Neural Networks
von: Infantes, Guillaume, et al.
Veröffentlicht: (2025)

Task and Explanation Network
von: Sipper, Moshe
Veröffentlicht: (2024)

Learning Model Agnostic Explanations via Constraint Programming
von: Koriche, Frederic, et al.
Veröffentlicht: (2024)

Learning Concept Bottleneck Models from Mechanistic Explanations
von: De Santis, Antonio, et al.
Veröffentlicht: (2026)

Autoregressive Policy Optimization for Constrained Allocation Tasks
von: Winkel, David, et al.
Veröffentlicht: (2024)

Accelerating Proximal Policy Optimization Learning Using Task Prediction for Solving Environments with Delayed Rewards
von: Ahmad, Ahmad, et al.
Veröffentlicht: (2024)

Generative Modeling of Class Probability for Multi-Modal Representation Learning
von: Shin, Jungkyoo, et al.
Veröffentlicht: (2025)

Can Continuous-Time Diffusion Models Generate and Solve Globally Constrained Discrete Problems? A Study on Sudoku
von: Drozdova, Mariia
Veröffentlicht: (2026)

Memory, Benchmark & Robots: A Benchmark for Solving Complex Tasks with Reinforcement Learning
von: Cherepanov, Egor, et al.
Veröffentlicht: (2025)

Exposing the Achilles' Heel: Evaluating LLMs Ability to Handle Mistakes in Mathematical Reasoning
von: Singh, Joykirat, et al.
Veröffentlicht: (2024)