Bayonet: probabilistic inference for networks
Bayonet: probabilistic inference for networks
复制标题
Bayonet：网络概率推理
DOI：
10.1145/3192366.3192400
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Vechev, Martin
中科院分区：
文献类型：
--
作者：
Gehr, Timon;Misailovic, Sasa;Tsankov, Petar;Vanbever, Laurent;Wiesmann, Pascal;Vechev, Martin
网络运营商经常需要保证满足重要的概率属性，例如网络拥塞的概率低于某一阈值。确保这些属性是具有挑战性的，既需要适合概率网络的语言，也需要用于回答概率推理查询的自动化过程。我们提出了一种新的方法Bayonet，它由：(i)一个概率网络编程语言和（ii）一个对Bayonet程序执行概率推理的系统组成。刺刀背后的关键见解是将概率网络推理问题表述为现有概率语言中的推理。因此，Bayonet直接利用现有的概率推理系统，并为操作员提供灵活而富有表现力的界面。我们在常见的网络场景（如网络拥塞、数据包传输的可靠性等）上详细评估了Bayonet。我们的结果表明，Bayonet可以表达这样的实际场景，并回答实际拓扑大小（最多30个节点）的查询。
Network operators often need to ensure that important probabilistic properties are met, such as that the probability of network congestion is below a certain threshold. Ensuring such properties is challenging and requires both a suitable language for probabilistic networks and an automated procedure for answering probabilistic inference queries.We present Bayonet, a novel approach that consists of: (i) a probabilistic network programming language and (ii) a system that performs probabilistic inference on Bayonet programs. The key insight behind Bayonet is to phrase the problem of probabilistic network reasoning as inference in existing probabilistic languages. As a result, Bayonet directly leverages existing probabilistic inference systems and offers a flexible and expressive interface to operators.We present a detailed evaluation of Bayonet on common network scenarios, such as network congestion, reliability of packet delivery, and others. Our results indicate that Bayonet can express such practical scenarios and answer queries for realistic topology sizes (with up to 30 nodes).
登录
查看更多内容
DOI：
10.1007/978-3-540-45099-3_17
发表时间：
2000-06
期刊：
--
影响因子：
--
作者：
D. Monniaux
通讯作者：
D. Monniaux
DOI：
10.1145/2103656.2103721
发表时间：
2012
期刊：
Proceedings of the 44th ACM SIGPLAN Symposium on Principles of Programming Languages
影响因子：
--
作者：
Sooraj Bhat;Ashish Agarwal;R. Vuduc;Alexander G. Gray
通讯作者：
Alexander G. Gray
DOI：
10.1145/2737924.2737982
发表时间：
2015
期刊：
Proceedings of the 36th ACM SIGPLAN Conference on Programming Language Design and Implementation
影响因子：
--
作者：
A. Nori;Sherjil Ozair;S. Rajamani;Deepak Vijaykeerthy
通讯作者：
Deepak Vijaykeerthy
柯尔莫哥洛夫扩展、鞅收敛和过程的组合性
DOI：
10.1145/2933575.2933610
发表时间：
2016
期刊：
2016 31st Annual ACM/IEEE Symposium on Logic in Computer Science (LICS)
影响因子：
--
作者：
D. Kozen
通讯作者：
D. Kozen
通过符号分解进行精确贝叶斯推理
DOI：
10.1145/3009837.3009852
发表时间：
2017
期刊：
Proceedings of the 44th ACM SIGPLAN Symposium on Principles of Programming Languages
影响因子：
--
作者：
Chung;N. Ramsey
通讯作者：
N. Ramsey