論文の概要: DPMC: Weighted Model Counting by Dynamic Programming on Project-Join Trees

• arxiv url: http://arxiv.org/abs/2008.08748v1
• Date: Thu, 20 Aug 2020 03:09:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 04:09:09.329515
• Title: DPMC: Weighted Model Counting by Dynamic Programming on Project-Join Trees
• Title（参考訳）: DPMC:プロジェクト結合木上の動的プログラミングによる重み付きモデルカウント
• Authors: Jeffrey M. Dudek, Vu H. N. Phan, Moshe Y. Vardi
• Abstract要約: 共役正規形の公式の厳密なリテラル重み付きモデル数を計算するための動的プログラミングフレームワークを提案する。 私たちのフレームワークの中心には、効率的なプロジェクト-ジョイントの順序を指定するプロジェクト-ジョイントツリーがあります。 我々の動的プログラミングモデルカウントフレームワークDPMCは,キャレット,c2d,d4,miniC2Dの精度の高い重み付けモデルカウンタと競合することを示す。
• 参考スコア（独自算出の注目度）: 26.25724674611307
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a unifying dynamic-programming framework to compute exact literal-weighted model counts of formulas in conjunctive normal form. At the center of our framework are project-join trees, which specify efficient project-join orders to apply additive projections (variable eliminations) and joins (clause multiplications). In this framework, model counting is performed in two phases. First, the planning phase constructs a project-join tree from a formula. Second, the execution phase computes the model count of the formula, employing dynamic programming as guided by the project-join tree. We empirically evaluate various methods for the planning phase and compare constraint-satisfaction heuristics with tree-decomposition tools. We also investigate the performance of different data structures for the execution phase and compare algebraic decision diagrams with tensors. We show that our dynamic-programming model-counting framework DPMC is competitive with the state-of-the-art exact weighted model counters cachet, c2d, d4, and miniC2D.
• Abstract（参考訳）: 共役正規形の公式の厳密なリテラル重み付きモデル数を計算するための動的プログラミングフレームワークを提案する。 私たちのフレームワークの中心はプロジェクト結合木で、加法的射影(可変除去)と結合(クロース乗法)を適用するための効率的なプロジェクト結合順序を指定する。 このフレームワークでは、2つのフェーズでモデルカウントが行われる。 まず、計画フェーズは、公式からプロジェクト-ジョイントツリーを構成する。 次に、実行フェーズは、プロジェクトジョインツリーによって導かれる動的プログラミングを用いて、公式のモデルカウントを計算する。 計画段階の様々な手法を実験的に評価し,制約満足度ヒューリスティックスを木分解ツールと比較した。 また,実行フェーズにおける異なるデータ構造の性能を調べ,代数的決定図とテンソルを比較した。 我々の動的プログラミングモデルカウントフレームワークDPMCは,キャレット,c2d,d4,miniC2Dの重み付きモデルカウンタと競合することを示す。

関連論文リスト

• Terminating Differentiable Tree Experts [77.2443883991608]
  本稿では,変圧器と表現生成器の組み合わせを用いて木操作を学習するニューラルシンボリック微分木機械を提案する。 まず、専門家の混在を導入することで、各ステップで使用される一連の異なるトランスフォーマーレイヤを取り除きます。 また,モデルが自動生成するステップ数を選択するための新しい終端アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T08:45:38Z)
• MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
  モデルマージは、同じトレーニング済みモデルから細調整された複数のシングルタスクモデルをマルチタスクモデルに結合する効果的なアプローチである。 既存のモデルマージ手法は、平均的なタスク精度の向上に重点を置いている。 Amortized Pareto Front (MAP) を用いた新しい低計算アルゴリズム Model Merging を導入する。
  論文  参考訳（メタデータ） (2024-06-11T17:55:25Z)
• Decomposing and Editing Predictions by Modeling Model Computation [75.37535202884463]
  コンポーネントモデリングというタスクを導入します。 コンポーネントモデリングの目標は、MLモデルの予測をコンポーネントの観点から分解することだ。 コンポーネント属性を推定するスケーラブルなアルゴリズムであるCOARを提案する。
  論文  参考訳（メタデータ） (2024-04-17T16:28:08Z)
• Sample Complexity Characterization for Linear Contextual MDPs [67.79455646673762]
  文脈決定プロセス(CMDP)は、遷移カーネルと報酬関数がコンテキスト変数によってインデックス付けされた異なるMDPで時間とともに変化できる強化学習のクラスを記述する。 CMDPは、時間とともに変化する環境で多くの現実世界のアプリケーションをモデル化するための重要なフレームワークとして機能する。 CMDPを2つの線形関数近似モデルで検討する: 文脈変化表現とすべての文脈に対する共通線形重み付きモデルIと、すべての文脈に対する共通表現と文脈変化線形重み付きモデルIIである。
  論文  参考訳（メタデータ） (2024-02-05T03:25:04Z)
• Tree-Planner: Efficient Close-loop Task Planning with Large Language Models [63.06270302774049]
  Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。 Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:50Z)
• Simulation-based inference of Bayesian hierarchical models while checking for model misspecification [0.0]
  本稿では,ベイズ階層モデル(BHMs)の一般クラスにおけるシミュレーションベース推論(SBI)の実行方法について述べる。 まず、BHMの第2層として現れる潜伏関数を推論し、モデルの誤識別を診断する。 第2に、信頼されたモデルのターゲットパラメータはSBIを介して推測される。概念実証として、ロトカ・ボルテラ方程式上に構築され、複雑な観測過程を伴う捕食者モデルに適用する。
  論文  参考訳（メタデータ） (2022-09-22T14:51:54Z)
• Learning deep autoregressive models for hierarchical data [0.6445605125467573]
  時間的畳み込みネットワーク(STCN)の拡張として,階層構造化データのモデルを提案する。 提案したモデルは,音声と手書きの2種類の連続データを用いて評価する。
  論文  参考訳（メタデータ） (2021-04-28T15:58:45Z)
• SeqROCTM: A Matlab toolbox for the analysis of Sequence of Random Objects driven by Context Tree Models [0.0]
  文脈木モデルによって駆動されるランダムなオブジェクトのテキスト系列という新しいプロセスのクラスが、聴覚統計的学習の文脈においてそのような関係をモデル化するために導入された。 本稿では,新しいプロセスのクラスと3つのモデル選択手順を実装したMatchlabツールボックス(SeqROCTM)を紹介する。
  論文  参考訳（メタデータ） (2020-09-08T15:28:32Z)
• CoSE: Compositional Stroke Embeddings [52.529172734044664]
  本稿では、ストロークベースの描画タスクのような複雑な自由形式構造に対する生成モデルを提案する。 我々のアプローチは、自動補完図のようなインタラクティブなユースケースに適している。
  論文  参考訳（メタデータ） (2020-06-17T15:22:54Z)
• Tree-AMP: Compositional Inference with Tree Approximate Message Passing [23.509275850721778]
  Tree-AMPは高次元木構造モデルにおける合成推論のためのピソンパッケージである。 このパッケージは、いくつかの近似メッセージパッシングアルゴリズムを研究するための統一フレームワークを提供する。
  論文  参考訳（メタデータ） (2020-04-03T13:51:10Z)

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。