Metaheuristic search as a tool for inference in probabilistic programming

Abstract

Вероятностное программирование - актуальный и эффективный подход, обобщающий различные методы машинного обучения, основанные на вероятностных генеративных моделях. Однако механизмы вывода в вероятностном программировании до сих пор являются недостаточно производительными. В то же время в различных оптимизационных задачах широко применяется метаэвристический поиск, который может быть также применен для эффективного решения задачи вывода. Таким образом, перспективным является использование метаэвристического поиска для вывода в вероятностном программировании.

Probabilistic programming is a state-of-the-art and effective approach, which generalizes different machine learning methods, based on probabilistic generative models. However mechanisms of inference in probabilistic programming stay not efficient enough. At the same time in different optimization problems metaheuristic search is used widely, and it can be also used for effectively searching for solutions in the problem of inference. So, the usage of metaheuristic search methods is promising for inference in probabilistic programming.