論文の概要: Scaling up Hybrid Probabilistic Inference with Logical and Arithmetic
Constraints via Message Passing
- arxiv url: http://arxiv.org/abs/2003.00126v2
- Date: Wed, 19 Aug 2020 22:41:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 02:23:29.523493
- Title: Scaling up Hybrid Probabilistic Inference with Logical and Arithmetic
Constraints via Message Passing
- Title(参考訳): メッセージパッシングによる論理的・算術的制約によるハイブリッド確率推論のスケールアップ
- Authors: Zhe Zeng, Paolo Morettin, Fanqi Yan, Antonio Vergari, Guy Van den
Broeck
- Abstract要約: 重み付けされたモデル統合により、現実世界の問題の複雑な依存関係を表現することができる。
既存のWMIソルバは、これらの問題にスケールする準備ができていない。
メッセージパッシング(MP-WMI)に基づくスケーラブルなWMIソルバを考案する。
- 参考スコア(独自算出の注目度): 38.559697064390015
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Weighted model integration (WMI) is a very appealing framework for
probabilistic inference: it allows to express the complex dependencies of
real-world problems where variables are both continuous and discrete, via the
language of Satisfiability Modulo Theories (SMT), as well as to compute
probabilistic queries with complex logical and arithmetic constraints. Yet,
existing WMI solvers are not ready to scale to these problems. They either
ignore the intrinsic dependency structure of the problem at all, or they are
limited to too restrictive structures. To narrow this gap, we derive a
factorized formalism of WMI enabling us to devise a scalable WMI solver based
on message passing, MP-WMI. Namely, MP-WMI is the first WMI solver which allows
to: 1) perform exact inference on the full class of tree-structured WMI
problems; 2) compute all marginal densities in linear time; 3) amortize
inference inter query. Experimental results show that our solver dramatically
outperforms the existing WMI solvers on a large set of benchmarks.
- Abstract(参考訳): 重み付きモデル統合(WMI)は確率的推論のための非常に魅力的なフレームワークであり、変数が連続的かつ離散的である実世界の問題の複雑な依存関係を、Satifiability Modulo Theories(SMT)言語を介して表現し、複雑な論理的および算術的制約で確率的クエリを計算することができる。
しかし、既存のWMIソルバはこれらの問題にスケールする準備ができていない。
彼らは問題の本質的な依存関係構造を全く無視するか、あるいは過度に制限された構造に制限される。
このギャップを狭めるために、メッセージパッシング(MP-WMI)に基づいてスケーラブルなWMIソルバを設計できるWMIの分解形式を導出する。
すなわち、MP-WMIは、次のように可能な最初のWMIソルバである。
1) 木構造WMI問題の全クラスについて正確な推論を行う。
2) すべての限界密度を線形時間で計算する。
3) 推論を償却する 問合せ。
実験結果から,既存のWMIソルバを大規模ベンチマークで劇的に上回る結果が得られた。
関連論文リスト
- Boost, Disentangle, and Customize: A Robust System2-to-System1 Pipeline for Code Generation [58.799397354312596]
大規模言語モデル(LLM)は、様々な領域、特にシステム1タスクにおいて顕著な機能を示した。
System2-to-System1法に関する最近の研究が急増し、推論時間計算によるシステム2の推論知識が探索された。
本稿では,システム2タスクの代表的タスクであるコード生成に注目し,主な課題を2つ挙げる。
論文 参考訳(メタデータ) (2025-02-18T03:20:50Z) - ZebraLogic: On the Scaling Limits of LLMs for Logical Reasoning [92.76959707441954]
我々はLLM推論性能を評価するための総合的な評価フレームワークであるZebraLogicを紹介した。
ZebraLogicは、制御可能で定量化可能な複雑さを持つパズルの生成を可能にする。
その結果,複雑性が増大するにつれて,精度が著しく低下することが明らかとなった。
論文 参考訳(メタデータ) (2025-02-03T06:44:49Z) - Multi-task Representation Learning for Mixed Integer Linear Programming [13.106799330951842]
本稿では,ML誘導MILP問題解決のためのマルチタスク学習フレームワークについて紹介する。
我々は,マルチタスク学習モデルが同一分布内の特殊モデルと類似して動作することを示す。
これは、問題のサイズやタスクの一般化において、それらを著しく上回る。
論文 参考訳(メタデータ) (2024-12-18T23:33:32Z) - A Deep Instance Generative Framework for MILP Solvers Under Limited Data
Availability [66.37474135424637]
我々は、MILPインスタンスのための最初の深層生成フレームワークであるG2MILPを提案する。
G2MILPはMILPインスタンスを二部グラフとして表現し、マスク付き変分オートエンコーダを元のグラフの一部を反復的に破損させ、置き換えて新しいグラフを生成する。
生成されたMILPインスタンスの品質を評価するためのベンチマークスイートを設計する。
論文 参考訳(メタデータ) (2023-10-04T13:34:34Z) - Multi-Grained Multimodal Interaction Network for Entity Linking [65.30260033700338]
マルチモーダルエンティティリンクタスクは、マルチモーダル知識グラフへの曖昧な言及を解決することを目的としている。
MELタスクを解決するための新しいMulti-Grained Multimodal InteraCtion Network $textbf(MIMIC)$ frameworkを提案する。
論文 参考訳(メタデータ) (2023-07-19T02:11:19Z) - Enhancing SMT-based Weighted Model Integration by Structure Awareness [10.812681884889697]
重み付きモデル統合(WMI)は、ハイブリッドドメインにおける確率的推論の統一形式として登場した。
本研究では,SMTに基づく列挙法と問題構造を効果的に符号化するアルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-02-13T08:55:12Z) - SMT-based Weighted Model Integration with Structure Awareness [18.615397594541665]
本研究では,SMTに基づく列挙法と問題構造を効果的に符号化するアルゴリズムを開発した。
これにより,冗長モデルの生成を回避し,計算コストを大幅に削減できる。
論文 参考訳(メタデータ) (2022-06-28T09:46:17Z) - FERMI: Fair Empirical Risk Minimization via Exponential R\'enyi Mutual
Information [17.57634911587209]
ERMIは、既存の公正性違反の概念に対する上限保証を提供するという意味で、強い公正性違反概念であることを示す。
FERMIと呼ばれるERMI正規化フレームワークを通じて、公正な経験的リスク最小化を提案します。
論文 参考訳(メタデータ) (2021-02-24T22:15:44Z) - Efficient semidefinite-programming-based inference for binary and
multi-class MRFs [83.09715052229782]
分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。
一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
論文 参考訳(メタデータ) (2020-12-04T15:36:29Z) - Monte Carlo Anti-Differentiation for Approximate Weighted Model
Integration [13.14502456511936]
我々は,抗誘導体のMC近似を計算したテクスタイトモンテカルロ反微分 (MCAD) を導入する。
実験の結果,既存のWMIソルバにMCADを組み込むことで,高速かつ信頼性の高い近似推論方式が得られることがわかった。
論文 参考訳(メタデータ) (2020-01-13T23:45:10Z)
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。