Probabilistic constraint reasoning

Abstract

perpétuo e sem limites geográficos, de arquivar e publicar esta dissertação através de exemplares impressos reproduzidos em papel ou de forma digital, ou por qualquer outro meio conhecido ou que venha a ser inventado, e de a divulgar através de repositórios científicos e de admitir a sua cópia e distribuição com objectivos educacionais ou de investigação, não comerciais, desde que seja dado crédito ao autor e editor.For Laura with love.My endless source of inspiration with her tender heart and ingenious mind. AcknowledgementsFor me, writing this thesis was like a long, long journey, with many ups and downs. In every step of the way I faced challenges that made me grow as a researcher and as a person. But the journey is coming to an end and is now time to remember and be grateful to those who crossed my path and helped me to achieve my goal in many different ways. Neste trabalho desenvolvemos um paradigma de restrições em domínios contínuos que associa um espaço probabilísticoàs variáveis do problema, permitindo efectuar raciocínio probabilístico. Tal raciocínio baseia-se na avaliação de informação probabilística que requer a computação de integrais multidimensionais em regiões possivelmente não lineares. São desenvolvidos algoritmos capazes de avaliar essa informação, usando técnicas de integração seguras ou aproximadas e dependendo de métodos de programação por restrições em domínios contínuos para obter coberturas da região de integração.A plataforma probabilística de restrições em domínios contínuosé adequada para suporteà decisão em problemas não lineares em domínios contínuos, com incerteza. A sua aplicabilidadeé ilustrada em problemas inversos e problemas de fiabilidade, que são duas classes distintas de problemas de engenharia, representativas do tipo de raciocínio com incerteza requerido pelos decisores.

Probabilistic Constraint Programming for Parameters Optimisation of Generative Models

“…Nevertheless this paradigm cannot distinguish between different scenarios, and all combination of values within such enclosure are considered equally plausible. In this work we use probabilistic constraint programming [15], which extends the continuous constraint framework with probabilistic reasoning, allowing to further characterise uncertainty with probability distributions over the domains of the variables.…”