Fugu-MT 論文翻訳(概要): Tackling the DMN Challenges with cDMN: a Tight Integration of DMN and constraint reasoning

論文の概要: Tackling the DMN Challenges with cDMN: a Tight Integration of DMN and constraint reasoning

arxiv url: http://arxiv.org/abs/2005.09998v1
Date: Sun, 17 May 2020 14:50:34 GMT
ステータス: 翻訳完了
システム内更新日: 2022-12-02 06:02:20.524554
Title: Tackling the DMN Challenges with cDMN: a Tight Integration of DMN and constraint reasoning
Title（参考訳）: DMN問題へのcDMNの取り組み--DMNの厳密な統合と制約推論
Authors: Bram Aerts, Simon Vandevelde, and Joost Vennekens
Abstract要約: cDMNは、より複雑な問題を解決するためにDMNの表現性を拡大することを目的としている。我々は、DMコミュニティのウェブサイトに投稿された最も複雑な課題を解決することで、cDMNをテストする。
参考スコア（独自算出の注目度）: 6.93076811584458
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper describes an extension to the DMN standard, called cDMN. It aims to enlarge the expressivity of DMN in order to solve more complex problems, while retaining DMN's goal of being readable by domain experts. We test cDMN by solving the most complex challenges posted on the DM Community website. We compare our own cDMN solutions to the solutions that have been submitted to the website and find that our approach is competitive, both in readability and compactness. Moreover, cDMN is able to solve more challenges than any other approach.
Abstract（参考訳）: 本稿では,cDMNと呼ばれるDMN標準の拡張について述べる。ドメインの専門家によって読めるというdmnの目標を維持しつつ、より複雑な問題を解決するためにdmnの表現性を拡大することを目指している。 DMコミュニティのウェブサイトに投稿された最も複雑な課題を解決することで、cDMNをテストする。我々は、我々のcDMNソリューションをウェブサイトに提出されたソリューションと比較し、我々のアプローチが可読性とコンパクト性の両方において競争力があることを見出した。さらに、cDMNは他のどのアプローチよりも多くの課題を解決できる。

関連論文リスト

Syzygy of Thoughts: Improving LLM CoT with the Minimal Free Resolution [59.39066657300045]
CoT(Chain-of-Thought)は、問題を逐次ステップに分解することで、大きな言語モデル(LLM)の推論を促進する。思考のシジー(Syzygy of Thoughts, SoT)は,CoTを補助的,相互関連的な推論経路を導入して拡張する新しいフレームワークである。 SoTはより深い論理的依存関係をキャプチャし、より堅牢で構造化された問題解決を可能にする。
論文参考訳（メタデータ） (2025-04-13T13:35:41Z)
Benchmarking Multi-modal Semantic Segmentation under Sensor Failures: Missing and Noisy Modality Robustness [61.87055159919641]
マルチモーダルセマンティックセグメンテーション(MMSS)は、モーダル間で補完情報を統合することで、単一モーダルデータの制限に対処する。顕著な進歩にもかかわらず、マルチモーダルデータ品質の変動と不確実性により、研究と実世界の展開の間に大きなギャップが持続する。 Intire-Missing Modality (EMM)、Random-Missing Modality (RMM)、Noisy Modality (NM)の3つのシナリオでMMSSモデルを評価する頑健性ベンチマークを導入する。
論文参考訳（メタデータ） (2025-03-24T08:46:52Z)
Constrained Reasoning Chains for Enhancing Theory-of-Mind in Large Language Models [39.81210971002642]
LLM(Large Language Models)が持つ理論-of-Mind(ToM)能力は制限されている。本稿ではドメイン知識とToM次元間の因果関係を利用して制約に対処するConstrained Chain-of-ToM(CCoToM)を提案する。 CCoToMは、使用したすべてのデータセットにまたがる大きなマージンで、従来の最先端メソッドを一貫して上回ります。
論文参考訳（メタデータ） (2024-09-20T13:27:11Z)
ConMe: Rethinking Evaluation of Compositional Reasoning for Modern VLMs [95.15814662348245]
構成推論(CR)は属性、関係、単語の順序の重要さを把握する。近年の視覚言語モデル (VLM) は、そのような推論タスクにおいて顕著な習熟性を示している。
論文参考訳（メタデータ） (2024-06-12T12:54:27Z)
Modality Prompts for Arbitrary Modality Salient Object Detection [57.610000247519196]
本論文は、任意のモーダリティ・サリエント物体検出(AM SOD)の課題について述べる。任意のモダリティ、例えばRGBイメージ、RGB-Dイメージ、RGB-D-Tイメージから有能なオブジェクトを検出することを目的としている。 AM SODの2つの基本的な課題を解明するために,新しいモード適応トランス (MAT) を提案する。
論文参考訳（メタデータ） (2024-05-06T11:02:02Z)
Unsolvable Problem Detection: Robust Understanding Evaluation for Large Multimodal Models [84.78457918843165]
Unsolvable Problem Detection (UPD) は,大規模マルチモーダルモデル(LMM)の頑健な理解能力を評価するための新しいタスクである。 UPDは、多票質問応答の解決不可能な問題に遭遇する際のLMMの回答を抑える能力を評価する。実験の結果,既存のベンチマークで十分な性能を示すほとんどのLMMでも,MM-UPDとはかなり苦労していることがわかった。
論文参考訳（メタデータ） (2024-03-29T17:59:53Z)
Decentralized Online Learning in Task Assignment Games for Mobile Crowdsensing [55.07662765269297]
モバイルクラウドセンシングプラットフォーム(MCSP)は、センサオファーをMCSPに送り返してタスクに参加する意思を示すための、利用可能なモバイルユニット(MU)に順次、センシングタスクを発行する。安定したタスク割り当ては、MCSPとMUの相反する目標、およびMUの要求する努力と嗜好の不確実性という2つの課題に対処する必要がある。これらの課題を克服するために,衝突回避型マルチアームバンディットと戦略的自由センシング(CA-MAB-SFS)という,マッチング理論とオンライン学習を組み合わせた新たな分散アプローチを提案する。
論文参考訳（メタデータ） (2023-09-19T13:07:15Z)
Encouraging Divergent Thinking in Large Language Models through Multi-Agent Debate [85.3444184685235]
複数のエージェントが"tit for tat"の状態で議論を表現するマルチエージェント議論(MAD)フレームワークを提案し、審査員が議論プロセスを管理して最終解を得る。我々のフレームワークは、深い熟考を必要とするタスクに役立ちそうなLSMにおける散発的思考を奨励する。
論文参考訳（メタデータ） (2023-05-30T15:25:45Z)
Teaching Neural Module Networks to Do Arithmetic [54.06832128723388]
インタプリタと複雑な問題の間のギャップを埋めることで、NMNをアップグレードする。数値的推論を行う加法加法および減算加法を導入する。 DROPのサブセットでは,提案手法によりNMNの数値推論能力が17.7%向上した。
論文参考訳（メタデータ） (2022-10-06T06:38:04Z)
A Novel Unified Conditional Score-based Generative Framework for Multi-modal Medical Image Completion [54.512440195060584]
我々は、スコアベース生成モデル(SGM)を活用するために、統一多モードスコアベース生成モデル(UMM-CSGM)を提案する。 UMM-CSGMは、新しいマルチインマルチアウトコンディションスコアネットワーク(mm-CSN)を用いて、クロスモーダル条件分布の包括的集合を学習する。 BraTS19データセットの実験により、UMM-CSGMは腫瘍誘発病変における不均一な増強と不規則な領域をより確実に合成できることが示された。
論文参考訳（メタデータ） (2022-07-07T16:57:21Z)
Which is Making the Contribution: Modulating Unimodal and Cross-modal Dynamics for Multimodal Sentiment Analysis [18.833050804875032]
マルチモーダル感情分析(MSA)は、マルチモーダルデータの利用により注目される。最近のMSAは、主にクロスモーダル力学の学習に重点を置いているが、ユニモーダルネットワークの最適解を探すことは無視されている。 MSAフレームワーク textbfModulation textbfModel for textbfMultimodal textbfSentiment textbfAnalysisを提案する。
論文参考訳（メタデータ） (2021-11-10T03:29:17Z)
Tackling the DM Challenges with cDMN: A Tight Integration of DMN and Constraint Reasoning [4.177448054347244]
本稿では、制約決定モデルと表記法(cDMN)と呼ばれる、決定モデルと表記法(DMN)標準の拡張について述べる。 cDMNは、より複雑なドメイン知識をモデル化するために、DMNの表現力を拡大することを目的としている。我々は、DMコミュニティのウェブサイトに投稿された最も複雑な課題を解決することで、cDMNをテストする。
論文参考訳（メタデータ） (2021-10-06T09:29:52Z)
A Table-Based Representation for Probabilistic Logic: Preliminary Results [14.065623268570139]
確率的決定モデルと表記法(pDMN)を提案する。 pDMNは決定モデルと表記の確率的拡張である ProbLogプログラムに不明瞭に変換して、ユーザクエリに応答することができる。
論文参考訳（メタデータ） (2021-10-05T10:01:31Z)
Recurrent Sum-Product-Max Networks for Decision Making in Perfectly-Observed Environments [12.225164387970166]
本稿では、意思決定データから学習し、時間とともにモデル化するRSPMN(Sum-product-max Network)を提案する。 RSPMNは、データ駆動であり、主にトラクタブルであるという点で、総生産ネットワークの利点を継承し、シーケンシャルな問題にも適している。逐次決定データセットのテストベッドで学習したRSPMNが、完全に観測された領域で最適に近いMEUとポリシーを生成することを実証する。
論文参考訳（メタデータ） (2020-06-12T16:31:11Z)

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。