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
- Model-Based RL for Mean-Field Games is not Statistically Harder than
Single-Agent RL [64.90038012690403]
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 [97.4298482689398]
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 [61.38536173209874]
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) - Partially Observable Multi-agent RL with (Quasi-)Efficiency: The
Blessing of Information Sharing [39.15744391171533]
部分的に観察可能なゲーム(POSG)の一般的な枠組みにおける証明可能なマルチエージェント強化学習(MARL)について検討する。
我々は,エージェント間での情報共有の可能性,経験的MARLにおける一般的な実践,コミュニケーションを伴うマルチエージェント制御システムの標準モデルを活用することを提唱する。
論文 参考訳(メタデータ) (2023-08-16T23:42:03Z) - 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) - PAC-learning gains of Turing machines over circuits and neural networks [1.4502611532302039]
私達は最低記述の長さの原則を持って来ることができるサンプル効率の潜在的な利益を研究します。
我々はチューリングマシンを用いて普遍的なモデルと回路を表現する。
回路の複雑さと密接性における古典的オープン問題との密接な関係を浮き彫りにする。
論文 参考訳(メタデータ) (2021-03-23T17:03:10Z) - 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。
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。