Fugu-MT 論文翻訳(概要): Complex Markov Logic Networks: Expressivity and Liftability

論文の概要: Complex Markov Logic Networks: Expressivity and Liftability

arxiv url: http://arxiv.org/abs/2002.10259v2
Date: Thu, 16 Jul 2020 13:04:58 GMT
ステータス: 処理完了
システム内更新日: 2022-12-29 03:30:16.987588
Title: Complex Markov Logic Networks: Expressivity and Liftability
Title（参考訳）: 複素マルコフ論理ネットワーク:表現性とリフト性
Authors: Ondrej Kuzelka
Abstract要約: マルコフ論理ネットワーク(MLN)の表現性について検討する。複素数値重みを用いた複素MLNを導入する。実数値重みを持つ標準MLNとは異なり、複素MLNは完全に表現可能であることを示す。
参考スコア（独自算出の注目度）: 10.635097939284751
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study expressivity of Markov logic networks (MLNs). We introduce complex MLNs, which use complex-valued weights, and we show that, unlike standard MLNs with real-valued weights, complex MLNs are fully expressive. We then observe that discrete Fourier transform can be computed using weighted first order model counting (WFOMC) with complex weights and use this observation to design an algorithm for computing relational marginal polytopes which needs substantially less calls to a WFOMC oracle than a recent algorithm.
Abstract（参考訳）: マルコフ論理ネットワーク(MLN)の表現性について検討する。複素数値重みを用いた複素MLNを導入し、実数値重みを持つ標準MLNとは異なり、複素MLNは完全に表現可能であることを示す。次に、複素重み付き重み付き1次モデルカウント(WFOMC)を用いて離散フーリエ変換を計算し、この観測を用いて、最近のアルゴリズムよりもWFOMCオラクルへの呼び出しが大幅に少ないリレーショナル境界ポリトープの計算アルゴリズムを設計する。

関連論文リスト

Generalization of Modular Spread Complexity for Non-Hermitian Density Matrices [0.0]
この研究において、モジュラー拡散複雑性の概念を、還元密度行列が非エルミート的である場合に一般化する。エンタングルメントの容量を一般化する擬似容量を定義し、擬似モジュラー複雑性の初期モジュラー時間尺度に対応する。 2レベル系と4-量子ビット系の解析計算を行い、その後、横場イジングモデルの量子相転移に関する数値的な研究を行う。
論文参考訳（メタデータ） (2024-10-07T17:59:16Z)
Model-Based RL for Mean-Field Games is not Statistically Harder than Single-Agent RL [57.745700271150454]
モデルに基づく関数近似を用いた平均フィールドゲーム(MFG)における強化学習のサンプル複雑性について検討した。本稿では、モデルクラスの複雑性を特徴付けるためのより効果的な概念である部分モデルベースエルダー次元(P-MBED)を紹介する。
論文参考訳（メタデータ） (2024-02-08T14:54:47Z)
A General Framework for Learning from Weak Supervision [93.89870459388185]
本稿では、新しいアルゴリズムを用いて、弱監督(GLWS)から学習するための一般的な枠組みを紹介する。 GLWSの中心は期待最大化(EM)の定式化であり、様々な弱い監督源を順応的に収容している。また,EM計算要求を大幅に単純化する高度なアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-02-02T21:48:50Z)
On the Representational Capacity of Recurrent Neural Language Models [56.19166912044362]
計算時間を持つ有理重み付きRLMは、有理重み付き遷移を持つ決定論的確率的チューリングマシン(PTM)をシミュレートできることを示す。また, 実時間計算の制約下では, 決定論的実時間有理PTMをシミュレートできることを示した。
論文参考訳（メタデータ） (2023-10-19T17:39:47Z)
Exact and general decoupled solutions of the LMC Multitask Gaussian Process model [28.32223907511862]
コリージョン化線形モデル(英: Linear Model of Co- Regionalization、LMC)は、回帰や分類のためのマルチタスクガウス過程の非常に一般的なモデルである。最近の研究によると、ある条件下では、モデルの潜在過程は切り離され、そのプロセスの数でのみ線形となる複雑さが生じる。ここでは、これらの結果を拡張し、LCCの効率的な正確な計算に必要な条件はノイズモデルに関する軽度の仮説である、という最も一般的な仮定から示している。
論文参考訳（メタデータ） (2023-10-18T15:16:24Z)
Deep Stochastic Processes via Functional Markov Transition Operators [59.55961312230447]
本稿では,ニューラルパラメータ化マルコフ遷移作用素の列を関数空間に重ねて構築した新しいプロセス群(SP)を紹介する。これらのマルコフ遷移作用素は、SPの交換可能性と整合性を維持することができることを証明している。
論文参考訳（メタデータ） (2023-05-24T21:15:23Z)
On the Equivalence of the Weighted Tsetlin Machine and the Perceptron [12.48513712803069]
Tsetlin Machine (TM) は本質的に解釈可能な機械傾き法として人気を集めている。良い特性を持っているが、TMはAIアプリケーションのためのゴーツーメソッドではない。
論文参考訳（メタデータ） (2022-12-27T22:38:59Z)
Approximate Message Passing for Multi-Layer Estimation in Rotationally Invariant Models [15.605031496980775]
我々は、AMPアルゴリズムのクラスを新たに提案し、状態の進化を再現する。以上の結果から,この複雑性の増大はアルゴリズムの性能においてほとんど,あるいは全くコストがかからないことが示唆された。
論文参考訳（メタデータ） (2022-12-03T08:10:35Z)
Relational Reasoning via Set Transformers: Provable Efficiency and Applications to MARL [154.13105285663656]
置換不変エージェントフレームワークを用いたMARL(Multi-A gent R einforcement Learning)は,実世界のアプリケーションにおいて大きな実証的成功を収めた。残念なことに、このMARL問題の理論的理解は、多くのエージェントの呪いと、既存の著作における関係推論の限定的な探索によって欠落している。モデルフリーアルゴリズムとモデルベースアルゴリズムの最適度差は各エージェント数に独立して対数的であり、多くのエージェントの呪いを和らげる。
論文参考訳（メタデータ） (2022-09-20T16:42:59Z)
Learning Neural Network Quantum States with the Linear Method [0.0]
本手法は,複雑な値を持つニューラルネットワーク量子状態の最適化に有効であることを示す。我々は、LMを最先端のSRアルゴリズムと比較し、LMが収束のために最大で1桁の繰り返しを必要とすることを発見した。
論文参考訳（メタデータ） (2021-04-22T12:18:33Z)
Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文参考訳（メタデータ） (2020-06-15T02:57:57Z)

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。