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: 処理完了
- 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
- Localizing and Assessing Node Significance in Default Mode Network using
Sub-Community Detection in Mild Cognitive Impairment [5.340644246815989]
本研究の目的は、軽度認知障害(MCI)患者のデフォルトモードネットワーク(DMN)内の脳領域をfMRIを用いて同定することである。
我々は、DMNを構成する関心領域(ROI)の部分的相関を利用して、対象固有のDMNグラフを構築する。
DMNグラフの場合、ROIはノードであり、エッジは部分相関に基づいて決定される。
NSS評価は各ノードに対して導出され、(I)クラス内の最大サブコミュニティの周波数と(II)最大サブコミュニティにおける最大サブコミュニティの発生を4つの方法すべてに基づいて考慮する。
論文 参考訳(メタデータ) (2023-12-04T09:43:05Z) - 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 [56.23037393834715]
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) - Cross-Attention is Not Enough: Incongruity-Aware Dynamic Hierarchical
Fusion for Multimodal Affect Recognition [69.32305810128994]
モダリティ間の同調性は、特に認知に影響を及ぼすマルチモーダル融合の課題となる。
本稿では,動的モダリティゲーティング(HCT-DMG)を用いた階層型クロスモーダルトランスを提案する。
HCT-DMG: 1) 従来のマルチモーダルモデルを約0.8Mパラメータで上回り、2) 不整合が認識に影響を及ぼすハードサンプルを認識し、3) 潜在レベルの非整合性をクロスモーダルアテンションで緩和する。
論文 参考訳(メタデータ) (2023-05-23T01:24:15Z) - 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) - DUMA: Reading Comprehension with Transposition Thinking [107.89721765056281]
MRC (Multi-choice Machine Reading) は、解答オプションのセットから正しい解答を決定するためのモデルを必要とする。
新しい Dual Multi-head Co-Attention (DUMA) モデルは、多選択MRC問題を解決する人間の転置思考プロセスにインスパイアされている。
論文 参考訳(メタデータ) (2020-01-26T07:35:02Z)
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。