論文の概要: Advancing Lazy-Grounding ASP Solving Techniques -- Restarts, Phase
Saving, Heuristics, and More
- arxiv url: http://arxiv.org/abs/2008.03526v1
- Date: Sat, 8 Aug 2020 13:55:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 12:15:09.301129
- Title: Advancing Lazy-Grounding ASP Solving Techniques -- Restarts, Phase
Saving, Heuristics, and More
- Title(参考訳): Lazy-Grounding ASPソルビング技術の改善 - 再起動、フェーズセービング、ヒューリスティックスなど
- Authors: Antonius Weinzierl, Richard Taupe and Gerhard Friedrich
- Abstract要約: Answer-Set Programming(ASP)は、論理ベースのAIにおいて、かなりの数のアプリケーションを持つ強力で表現力豊かな知識表現パラダイムである。
従来の接地と解決のアプローチでは、ASPプログラムを事前に接地する必要があるため、いわゆる接地ボトルネックに悩まされる。
緩和策として、遅延グラウンドのASPソルバが開発されているが、接地されたASPソルバの最先端技術の多くは、まだ利用できない。
- 参考スコア(独自算出の注目度): 3.8673630752805432
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Answer-Set Programming (ASP) is a powerful and expressive knowledge
representation paradigm with a significant number of applications in
logic-based AI. The traditional ground-and-solve approach, however, requires
ASP programs to be grounded upfront and thus suffers from the so-called
grounding bottleneck (i.e., ASP programs easily exhaust all available memory
and thus become unsolvable). As a remedy, lazy-grounding ASP solvers have been
developed, but many state-of-the-art techniques for grounded ASP solving have
not been available to them yet. In this work we present, for the first time,
adaptions to the lazy-grounding setting for many important techniques, like
restarts, phase saving, domain-independent heuristics, and learned-clause
deletion. Furthermore, we investigate their effects and in general observe a
large improvement in solving capabilities and also uncover negative effects in
certain cases, indicating the need for portfolio solving as known from other
solvers. Under consideration for acceptance in TPLP.
- Abstract(参考訳): Answer-Set Programming(ASP)は、論理ベースのAIにおいて、かなりの数のアプリケーションを持つ強力で表現力豊かな知識表現パラダイムである。
しかし、従来のグラウンド・アンド・ソルブのアプローチでは、ASPプログラムを事前にグラウンド化する必要があるため、いわゆるグラウンド・ボトルネック(すなわち、ASPプログラムは利用可能なすべてのメモリを簡単に消耗し、解決不可能になる)に悩まされる。
対策として、遅延グラウンドのASPソルバが開発されているが、接地されたASPソルバの最先端技術の多くは、まだ利用できない。
本研究では、再起動、位相保存、ドメイン非依存のヒューリスティックス、学習クローズ削除など、多くの重要なテクニックに対する遅延グラウンド設定への適応を初めて提示する。
さらに,その効果を調査し,一般論として問題解決能力の大幅な向上を観察し,場合によっては負の効果も明らかにし,他の解法者から知られているようなポートフォリオ解決の必要性を示唆する。
TPLPの受容についての検討
関連論文リスト
- Learning Logic Specifications for Policy Guidance in POMDPs: an
Inductive Logic Programming Approach [57.788675205519986]
我々は任意の解法によって生成されるPOMDP実行から高品質なトレースを学習する。
我々は、データと時間効率のIndu Logic Programming(ILP)を利用して、解釈可能な信念に基づくポリシー仕様を生成する。
ASP(Answer Set Programming)で表現された学習は、ニューラルネットワークよりも優れた性能を示し、より少ない計算時間で最適な手作りタスクに類似していることを示す。
論文 参考訳(メタデータ) (2024-02-29T15:36:01Z) - Thought Propagation: An Analogical Approach to Complex Reasoning with
Large Language Models [70.76692652007469]
大規模言語モデルの複雑な推論能力を高めるために,textbftextitThought Propagation (TP)を提案する。
TP はまず LLM に対して,入力問題に関連する類似問題の集合を提案し,解決するよう促す。
TPは、類似問題の結果を再利用して、新しいソリューションを直接生成したり、スクラッチから得られた初期ソリューションを修正するための知識集約的な実行プランを導出する。
論文 参考訳(メタデータ) (2023-10-06T01:40:09Z) - Explainable Answer-set Programming [0.0]
プロジェクトはこれらのギャップのいくつかを埋めることを目的としており、ASP.NET ASP.NET MVCにおける技術の現状に貢献することを目的としている。
我々は、既存のアプローチの言語サポートを拡張するだけでなく、新しい説明形式を発達させることによって、この問題に対処する。
論文 参考訳(メタデータ) (2023-08-30T09:09:57Z) - Tools and Methodologies for Verifying Answer Set Programs [0.0]
ASP.NETは強力な宣言型プログラミングパラダイムで、検索と最適化の課題を解決するのによく使われます。
知識表現と推論へのアプローチとして、ASPはその単純さ、簡潔さ、厳密に定義されたセマンティクスから恩恵を受ける。
私の研究は、ASPプロガムの検証をサポートする理論とツールの拡張に関するものです。
論文 参考訳(メタデータ) (2022-08-05T10:50:21Z) - Few-shot Quality-Diversity Optimization [50.337225556491774]
品質多様性(QD)の最適化は、強化学習における知覚的最小値とスパース報酬を扱う上で効果的なツールであることが示されている。
本稿では,タスク分布の例から,パラメータ空間の最適化によって得られる経路の情報を利用して,未知の環境でQD手法を初期化する場合,数発の適応が可能であることを示す。
ロボット操作とナビゲーションベンチマークを用いて、疎密な報酬設定と密集した報酬設定の両方で実施された実験は、これらの環境でのQD最適化に必要な世代数を著しく削減することを示している。
論文 参考訳(メタデータ) (2021-09-14T17:12:20Z) - Conflict-driven Inductive Logic Programming [3.29505746524162]
帰納的論理プログラミング(ILP)の目標は、一連の例を説明するプログラムを学ぶことである。
近年まで、ICPがターゲットとするPrologプログラムの研究がほとんどである。
ILASP システムは代わりに Answer Set Programs (ASP) を学ぶ
論文 参考訳(メタデータ) (2020-12-31T20:24:28Z) - Demonstration-efficient Inverse Reinforcement Learning in Procedurally
Generated Environments [137.86426963572214]
逆強化学習(Inverse Reinforcement Learning)は、専門家によるデモンストレーションから報酬関数を外挿する。
提案手法であるDE-AIRLは、実演効率が高く、完全手続き領域に一般化する報酬関数を外挿できることを示す。
論文 参考訳(メタデータ) (2020-12-04T11:18:02Z) - LP2PB: Translating Answer Set Programs into Pseudo-Boolean Theories [0.0]
本稿では、ASPプログラムを擬似ブール理論に変換する新しいツールLP2PBを提案する。
従来のASPベンチマークで、当社のツールと、ASPに対するカットプレーンベースの問題解決の可能性を評価します。
論文 参考訳(メタデータ) (2020-09-22T00:50:17Z) - Conflict Generalisation in ASP: Learning Correct and Effective
Non-Ground Constraints [3.8673630752805432]
ある問題を解く際に学んだ知識の一般化と再利用は、最先端の解法によって無視されている。
将来的な問題インスタンスの解決を高速化するために、再利用のノウハウを一般化する新しいアプローチを提案する。
論文 参考訳(メタデータ) (2020-08-07T12:02:32Z) - Modelling Multi-Agent Epistemic Planning in ASP [66.76082318001976]
本稿では,マルチショット・アンサー・セット・プログラミング・ベース・プランナの実装について述べる。
本稿は, アドホックなエピステミック状態表現とASPソルバの効率を生かしたプランナーが, 文献から収集したベンチマークに対して, 競合的な性能を示すことを示す。
論文 参考訳(メタデータ) (2020-08-07T06:35:56Z) - Forgetful Experience Replay in Hierarchical Reinforcement Learning from
Demonstrations [55.41644538483948]
本稿では,複雑な視覚環境において,エージェントが低品質な実演を行えるようにするためのアプローチの組み合わせを提案する。
提案した目標指向のリプレイバッファ構築により,エージェントはデモにおいて複雑な階層的タスクを解くためのサブゴールを自動的に強調することができる。
私たちのアルゴリズムに基づくこのソリューションは、有名なMineRLコンペティションのすべてのソリューションを破り、エージェントがMinecraft環境でダイヤモンドをマイニングすることを可能にする。
論文 参考訳(メタデータ) (2020-06-17T15:38:40Z)
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。