論文の概要: Lifted Inference in 2-Variable Markov Logic Networks with Function and
Cardinality Constraints Using Discrete Fourier Transform
- arxiv url: http://arxiv.org/abs/2006.03432v2
- Date: Thu, 16 Jul 2020 13:15:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 12:41:41.471297
- Title: Lifted Inference in 2-Variable Markov Logic Networks with Function and
Cardinality Constraints Using Discrete Fourier Transform
- Title(参考訳): 離散フーリエ変換を用いた関数・濃度制約付き2変数マルコフ論理ネットワークのリフト推論
- Authors: Ondrej Kuzelka
- Abstract要約: 本稿では,2変数マルコフ論理ネットワーク(MLN)における濃度と関数の制約による推論がドメインリフト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: In this paper we show that inference in 2-variable Markov logic networks
(MLNs) with cardinality and function constraints is domain-liftable. To obtain
this result we use existing domain-lifted algorithms for weighted first-order
model counting (Van den Broeck et al, KR 2014) together with discrete Fourier
transform of certain distributions associated to MLNs.
- Abstract(参考訳): 本稿では,2変数マルコフ論理ネットワーク(MLN)における濃度と関数制約の推論がドメインリフト可能であることを示す。
この結果を得るために、既存のドメインリフトアルゴリズムを重み付き一階モデルカウント(Van den Broeck et al, KR 2014)と、MLNに関連する特定の分布の離散フーリエ変換に使用した。
関連論文リスト
- Understanding Domain-Size Generalization in Markov Logic Networks [1.8434042562191815]
マルコフ論理ネットワーク(MLN)の一般化挙動を,大きさの異なる関係構造にまたがって検討する。
我々は、この矛盾を定量化し、MLNパラメータの分散の観点から境界付ける。
我々は、正規化やドメインサイズ認識MLNなどのMLNパラメータの分散を減少させることで知られている解が、MLNの内部整合性を高めることを観察する。
論文 参考訳(メタデータ) (2024-03-23T21:16:56Z) - Entanglement in interacting Majorana chains and transitions of von
Neumann algebras [0.0]
フェルミオン双線型の一般関数からなる2サイト相互作用を持つマヨラナ格子を考える。
モデルは、多数のオンサイトフェルミオンの極限で正確に解ける。
論文 参考訳(メタデータ) (2024-01-09T19:00:01Z) - Affine Invariance in Continuous-Domain Convolutional Neural Networks [6.019182604573028]
本研究では,連続領域畳み込みニューラルネットワークにおけるアフィン不変性について検討する。
アフィン変換における2つの入力信号の類似性を評価するための新しい基準を導入する。
私たちの研究は最終的には、実用的なディープラーニングパイプラインが扱える幾何学的変換の範囲を広げることができます。
論文 参考訳(メタデータ) (2023-11-13T14:17:57Z) - Covariate shift in nonparametric regression with Markovian design [0.0]
ナダラヤ・ワトソン核推定器の滑らかさリスクに対する収束速度は、ソースとターゲットマルコフ連鎖に関連する不変分布の類似性によって決定されることを示す。
我々は、Kpotufe と Martinet からの分布指数の概念を、一様エルゴードなマルコフ鎖の核移動指数に拡張する。
論文 参考訳(メタデータ) (2023-07-17T14:24:27Z) - Interrelation of equivariant Gaussian processes and convolutional neural
networks [77.34726150561087]
現在、ニューラルネットワーク(NN)とガウス過程(GP)の関係に基づく機械学習(ML)には、かなり有望な新しい傾向がある。
本研究では、ベクトル値のニューロン活性化を持つ2次元ユークリッド群とそれに対応する独立に導入された同変ガウス過程(GP)との関係を確立する。
論文 参考訳(メタデータ) (2022-09-17T17:02:35Z) - Unified Fourier-based Kernel and Nonlinearity Design for Equivariant
Networks on Homogeneous Spaces [52.424621227687894]
等質空間上の群同変ネットワークに対する統一的枠組みを導入する。
昇降した特徴場のフーリエ係数の空間性を利用する。
安定化部分群におけるフーリエ係数としての特徴を取り扱う他の方法が、我々のアクティベーションの特別な場合であることを示す。
論文 参考訳(メタデータ) (2022-06-16T17:59:01Z) - Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。
変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文 参考訳(メタデータ) (2022-04-20T21:25:21Z) - Normalizing Field Flows: Solving forward and inverse stochastic
differential equations using Physics-Informed flow model [8.455584500599807]
本研究では,散乱測定からランダム場を学習する場流の正規化(NFF)について紹介する。
我々は、非ガウス過程、混合ガウス過程、前方および逆偏微分方程式を学習するためのNFFモデルの有効性を実証する。
論文 参考訳(メタデータ) (2021-08-30T01:58:01Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳(メタデータ) (2021-02-04T02:21:08Z) - Finite-Function-Encoding Quantum States [52.77024349608834]
任意の$d$値論理関数を符号化する有限関数符号化(FFE)を導入する。
それらの構造的特性について検討する。
論文 参考訳(メタデータ) (2020-12-01T13:53:23Z) - Exponentially Weighted l_2 Regularization Strategy in Constructing
Reinforced Second-order Fuzzy Rule-based Model [72.57056258027336]
従来の高木スゲノカン(TSK)型ファジィモデルでは、定数あるいは線形関数がファジィ規則の連続部分として使用されるのが普通である。
調和解析で遭遇する重み関数理論にインスパイアされた指数重みアプローチを導入する。
論文 参考訳(メタデータ) (2020-07-02T15:42:15Z)
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。