論文の概要: Generic Analysis of Model Product Lines via Constraint Lifting
- arxiv url: http://arxiv.org/abs/2008.11427v2
- Date: Thu, 1 Aug 2024 07:34:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-05 01:55:24.514622
- Title: Generic Analysis of Model Product Lines via Constraint Lifting
- Title（参考訳）: 制約リフティングによるモデル製品ラインのジェネリック解析
- Authors: Andreas Bayha, Vincent Aravantinos,
- Abstract要約: 本稿では,制約が生成される可能性のあるすべての変種に対して同時に保持されるかどうかを確認する機構を提案する。
この論文の主な貢献は、すべての変種によって満たされる制約を仮定し、製品ラインの制約から(リフト)を生成する関数である。
本稿では,モデル製品ラインと制約を自動的に翻訳することで,SMT解決を用いた昇降制約の検証方法を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Engineering a product-line is more than just describing a product-line: to be correct, every variant that can be generated must satisfy some constraints. To ensure that all such variants will be correct (e.g. well-typed) there are only two ways: either to check the variants of interest individually or to come up with a complex product-line analysis algorithm, specific to every constraint. In this paper, we address a generalization of this problem: we propose a mechanism that allows to check whether a constraint holds simultaneously for all variants which might be generated. The main contribution of this paper is a function that assumes constraints that shall be fulfilled by all variants and generates ("lifts") out of them constraints for the product-line. These lifted constraints can then be checked directly on a model product-line, thus simultaneously be verified for all variants. The lifting is formulated in a very general manner, which allows to make use of generic algorithms like SMT solving or theorem proving in a modular way. We show how to verify lifted constraints using SMT solving by automatically translating model product-lines and constraints. The applicability of the approach is demonstrated with an industrial case study, in which we apply our lifting to a domain specific modelling language for manufacturing planning. Finally, a runtime analysis shows scalability by analyzing different model product-lines with production planning data from the BMW Group and Miele.
- Abstract（参考訳）: 正しければ、生成可能なすべての変種は、いくつかの制約を満たす必要があります。
すべての変種が正しい(例えば well-typed)ことを確実にするためには、興味のある変種を個別にチェックするか、あるいはすべての制約に特有な複雑な積線解析アルゴリズムを思いつくかの2つの方法がある。
本稿では,この問題を一般化し,制約が生成可能なすべての変種に対して同時に成立するかどうかを確認する機構を提案する。
この論文の主な貢献は、すべての変種によって満たされる制約を仮定し、製品ラインの制約から(リフト)を生成する関数である。
これらの持ち上げられた制約は、モデル製品ラインで直接チェックできるため、すべての変種に対して同時に検証される。
リフトは非常に一般的な方法で定式化されており、SMTの解法や定理証明のような一般的なアルゴリズムをモジュラー方式で利用することができる。
本稿では,モデル製品ラインと制約を自動的に翻訳することで,SMT解決を用いた昇降制約の検証方法を示す。
本手法の適用性は工業ケーススタディで実証され,本手法をドメイン固有モデリング言語に適用して製造計画を行う。
最後に、ランタイム分析は、BMW GroupとMieleの製品計画データを用いて、異なるモデル製品ラインを分析してスケーラビリティを示す。
関連論文リスト
- Outer Approximation and Super-modular Cuts for Constrained Assortment Optimization under Mixed-Logit Model [6.123324869194196]
混合ロジット顧客選択モデルに基づくアソシエーション最適化問題について検討する。
既存の正確な手法は、主にMILP (mixed-integer linear programming) やCONIC (Second-order cone) の修正に依存している。
我々の研究は、単調に超モジュラーかつ凸であることを示す客観的関数の成分に焦点をあてることによって、この問題に対処する。
論文 参考訳（メタデータ） (2024-07-26T06:27:11Z) - Adapting Large Language Models for Content Moderation: Pitfalls in Data
Engineering and Supervised Fine-tuning [79.53130089003986]
大規模言語モデル(LLM)は、様々なドメインでタスクを処理するための実現可能なソリューションとなっている。
本稿では、コンテンツモデレーションのためにプライベートにデプロイ可能なLLMモデルを微調整する方法を紹介する。
論文 参考訳（メタデータ） (2023-10-05T09:09:44Z) - Domain Generalization via Rationale Invariance [70.32415695574555]
本稿では,未確認環境においてもロバストな結果の維持を伴う領域一般化の課題を緩和する新たな視点を提供する。
本稿では,最終結果に対する要素的貢献を決定の根拠として扱い,各試料の根拠を行列として表現することを提案する。
提案手法は, 単純性に拘わらず, 様々なデータセット間で競合する結果が得られることを示す。
論文 参考訳（メタデータ） (2023-08-22T03:31:40Z) - Symmetric Tensor Networks for Generative Modeling and Constrained
Combinatorial Optimization [72.41480594026815]
ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。
これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。
本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
論文 参考訳（メタデータ） (2022-11-16T18:59:54Z) - Relational Action Bases: Formalization, Effective Safety Verification,
and Invariants (Extended Version) [67.99023219822564]
我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。
RABは両方の制限を解除することで既存のモデルを一般化する。
データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2022-08-12T17:03:50Z) - Constrained Machine Learning: The Bagel Framework [5.945320097465419]
制約付き機械学習問題は、学習したモデルが正確で、制約を尊重しなければならない問題である。
本研究の目的は,制約付き機械学習問題のモデリング能力を最適化から組み込むことで拡張することである。
機械学習には特定の要件があるため、仮説の空間を分割する拡張テーブル制約も提案する。
論文 参考訳（メタデータ） (2021-12-02T10:10:20Z) - Bilinear Classes: A Structural Framework for Provable Generalization in
RL [119.42509700822484]
Bilinear Classesは強化学習の一般化を可能にする新しい構造フレームワークである。
このフレームワークは、サンプルの複雑さが達成可能な、ほとんどすべての既存のモデルを取り込んでいる。
我々の主な成果は、双線形クラスのためのサンプル複雑性を持つRLアルゴリズムである。
論文 参考訳（メタデータ） (2021-03-19T16:34:20Z) - DirectDebug: Automated Testing and Debugging of Feature Models [55.41644538483948]
変数モデル(例えば、特徴モデル)は、ソフトウェアアーティファクトの変数と共通性を表現する一般的な方法である。
複雑でしばしば大規模な機能モデルは欠陥になりうる、すなわち、ソフトウェアアーチファクトの期待される変動特性を表現しない。
論文 参考訳（メタデータ） (2021-02-11T11:22:20Z) - Compensating data shortages in manufacturing with monotonicity knowledge [0.0]
本稿では,専門家の知識を形状制約の形で活用することにより,モデルの予測能力を高める手法を提案する。
実世界の2つの製造プロセス、すなわちレーザガラスの曲げと金属板のプレス硬化の試験と検証を行っている。
その結果, 得られたモデルが専門家の単調な知識に順応し, トレーニングデータを正確に予測できることが判明した。
論文 参考訳（メタデータ） (2020-10-29T21:34:02Z) - XCSP3: An Integrated Format for Benchmarking Combinatorial Constrained Problems [3.149883354098941]
新しいフォーマットはコンパクトで、可読性が高く、パースも比較的容易である。
XCSP3は、ほとんどすべての制約を包含している。
ユーザは、非常に正確な基準からインスタンスを選択するための洗練されたクエリを作成できる。
論文 参考訳（メタデータ） (2016-11-10T17:00:56Z)
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。