論文の概要: A Journey into Ontology Approximation: From Non-Horn to Horn
- arxiv url: http://arxiv.org/abs/2001.07754v4
- Date: Mon, 15 Jun 2020 20:01:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-08 00:18:50.373658
- Title: A Journey into Ontology Approximation: From Non-Horn to Horn
- Title（参考訳）: オントロジー近似への旅:非角から角へ
- Authors: Anneke Haga, Carsten Lutz, Johannes Marti, Frank Wolter
- Abstract要約: 非Horn記述論理(DL)で定式化されたオントロジーの完全近似について検討する。
我々は必然的に無限となる具体的な近似スキームを提供し、$mathcalELU$-to-$mathcalEL$ において、実際には有限近似が存在する傾向があることを観察する。
対照的に、これらはいずれも$mathcalELU_bot$-to-$mathcalEL_bot$と$mathcalALC$-to-$mathcalEL_bot$の場合ではない。
- 参考スコア（独自算出の注目度）: 17.210841426842816
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study complete approximations of an ontology formulated in a non-Horn
description logic (DL) such as $\mathcal{ALC}$ in a Horn DL such
as~$\mathcal{EL}$. We provide concrete approximation schemes that are
necessarily infinite and observe that in the $\mathcal{ELU}$-to-$\mathcal{EL}$
case finite approximations tend to exist in practice and are guaranteed to
exist when the original ontology is acyclic. In contrast, neither of this is
the case for $\mathcal{ELU}_\bot$-to-$\mathcal{EL}_\bot$ and for
$\mathcal{ALC}$-to-$\mathcal{EL}_\bot$ approximations. We also define a notion
of approximation tailored towards ontology-mediated querying, connect it to
subsumption-based approximations, and identify a case where finite
approximations are guaranteed to exist.
- Abstract（参考訳）: 我々は,例えば$\mathcal{ALC}$のような非Horn記述論理(DL)で定式化されたオントロジーを,~$\mathcal{EL}$のようなホーンDLで完全近似する。
我々は、必然的に無限である具体的な近似スキームを提供し、$\mathcal{elu}$-to-$\mathcal{el}$ の場合、有限近似は実際に存在しがちであり、元のオントロジーが非巡回的であるときの存在を保証する。
これとは対照的に、いずれも$\mathcal{elu}_\bot$-to-$\mathcal{el}_\bot$ であり、$\mathcal{alc}$-to-$\mathcal{el}_\bot$ 近似である。
また、オントロジーによるクエリに合わせた近似の概念を定義し、それを仮定に基づく近似に接続し、有限近似が存在することが保証される場合を特定する。
関連論文リスト
- A Theory of Interpretable Approximations [61.90216959710842]
我々は、ある基底クラス $mathcalH$ の概念の小さな集合によってターゲット概念 $c$ を近似するという考え方を研究する。
任意の$mathcalH$と$c$のペアに対して、これらのケースのちょうど1つが成り立つ: (i) $c$を任意の精度で$mathcalH$で近似することはできない。
解釈可能な近似の場合、近似の複雑さに関するわずかに非自明なa-priori保証でさえ、定数(分布自由かつ精度)の近似を意味することを示す。
論文 参考訳（メタデータ） (2024-06-15T06:43:45Z) - Estimating the Mixing Coefficients of Geometrically Ergodic Markov
Processes [5.00389879175348]
実数値の幾何学的エルゴード的マルコフ過程の個々の$beta$-mixing係数を1つのサンプルパスから推定する。
予想される誤差率は$mathcal O(log(n) n-1/2)$である。
論文 参考訳（メタデータ） (2024-02-11T20:17:10Z) - A Unified Framework for Uniform Signal Recovery in Nonlinear Generative
Compressed Sensing [68.80803866919123]
非線形測定では、ほとんどの先行結果は一様ではない、すなわち、すべての$mathbfx*$に対してではなく、固定された$mathbfx*$に対して高い確率で保持される。
本フレームワークはGCSに1ビット/一様量子化観測と単一インデックスモデルを標準例として適用する。
また、指標集合が計量エントロピーが低い製品プロセスに対して、より厳密な境界を生み出す濃度不等式も開発する。
論文 参考訳（メタデータ） (2023-09-25T17:54:19Z) - Detection-Recovery Gap for Planted Dense Cycles [72.4451045270967]
期待帯域幅$n tau$とエッジ密度$p$をエルドホス=R'enyiグラフ$G(n,q)$に植え込むモデルを考える。
低次アルゴリズムのクラスにおいて、関連する検出および回復問題に対する計算しきい値を特徴付ける。
論文 参考訳（メタデータ） (2023-02-13T22:51:07Z) - A Newton-CG based barrier-augmented Lagrangian method for general nonconvex conic optimization [53.044526424637866]
本稿では、2つの異なる対象の一般円錐最適化を最小化する近似二階定常点(SOSP)について検討する。
特に、近似SOSPを見つけるためのNewton-CGベースの拡張共役法を提案する。
論文 参考訳（メタデータ） (2023-01-10T20:43:29Z) - Local approximation of operators [0.0]
距離空間 $mathfrakX$ と $mathfrakY$ の間の非線形作用素の近似の度合いを決定する問題について検討する。
例えば、$mathbbSd$ の近似に関係する定数は $mathcalO(d1/6)$ である。
論文 参考訳（メタデータ） (2022-02-13T19:28:34Z) - Universal Regular Conditional Distributions via Probability
Measure-Valued Deep Neural Models [3.8073142980733]
提案したフレームワークを用いて構築されたモデルはすべて、$C(mathcalX,mathcalP_1(mathcalY))$で密集している。
提案モデルはまた、ほとんどのランダム化された機械学習モデルに存在するアレラトリック不確かさを汎用的に表現できることも示している。
論文 参考訳（メタデータ） (2021-05-17T11:34:09Z) - Non-Parametric Estimation of Manifolds from Noisy Data [1.0152838128195467]
ノイズの多いサンプルの有限集合から$mathbbRD$の$d$次元部分多様体を推定する問題を検討する。
点推定では$n-frack2k + d$、接空間の推定では$n-frack-12k + d$の収束率を推定する。
論文 参考訳（メタデータ） (2021-05-11T02:29:33Z) - Linear Time Sinkhorn Divergences using Positive Features [51.50788603386766]
エントロピー正則化で最適な輸送を解くには、ベクトルに繰り返し適用される$ntimes n$ kernel matrixを計算する必要がある。
代わりに、$c(x,y)=-logdotpvarphi(x)varphi(y)$ ここで$varphi$は、地上空間から正のorthant $RRr_+$への写像であり、$rll n$である。
論文 参考訳（メタデータ） (2020-06-12T10:21:40Z) - Reinforcement Learning with General Value Function Approximation:
Provably Efficient Approach via Bounded Eluder Dimension [124.7752517531109]
一般値関数近似を用いた効率の良い強化学習アルゴリズムを確立する。
我々のアルゴリズムは、$d$が複雑性測度である場合、$widetildeO(mathrmpoly(dH)sqrtT)$の後悔の限界を達成することを示す。
我々の理論は線形値関数近似によるRLの最近の進歩を一般化し、環境モデルに対する明示的な仮定をしない。
論文 参考訳（メタデータ） (2020-05-21T17:36:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。