論文の概要: Automated Aggregator -- Rewriting with the Counting Aggregate

• arxiv url: http://arxiv.org/abs/2009.10240v1
• Date: Tue, 22 Sep 2020 00:48:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 22:51:27.230520
• Title: Automated Aggregator -- Rewriting with the Counting Aggregate
• Title（参考訳）: 自動アグリゲータ -- カウントアグリゲータによる書き換え
• Authors: Michael Dingess (University of Kentucky), Miroslaw Truszczynski (University of Kentucky)
• Abstract要約: 本稿では,補完的な性能を持つ等価プログラム群を生成する自動書き換えシステムを提案する。 本稿では,自動解答器選択ツールにおけるシステムの利用を提案する。
• 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: Answer set programming is a leading declarative constraint programming paradigm with wide use for complex knowledge-intensive applications. Modern answer set programming languages support many equivalent ways to model constraints and specifications in a program. However, so far answer set programming has failed to develop systematic methodologies for building representations that would uniformly lend well to automated processing. This suggests that encoding selection, in the same way as algorithm selection and portfolio solving, may be a viable direction for improving performance of answer-set solving. The necessary precondition is automating the process of generating possible alternative encodings. Here we present an automated rewriting system, the Automated Aggregator or AAgg, that given a non-ground logic program, produces a family of equivalent programs with complementary performance when run under modern answer set programming solvers. We demonstrate this behavior through experimental analysis and propose the system's use in automated answer set programming solver selection tools.
• Abstract（参考訳）: 答えセットプログラミングは、複雑な知識集約アプリケーションのために広く使われる宣言型制約プログラミングパラダイムである。 現代の回答セットプログラミング言語は、プログラム内の制約や仕様をモデル化する多くの等価な方法をサポートしている。 しかし、これまでのところ、自動処理に一様に役立つ表現を構築するための体系的な手法の開発は失敗している。 このことは、アルゴリズムの選択やポートフォリオの解法と同様に、符号化選択が解法の性能を向上させるための有効な方向である可能性を示唆している。 必要な前提条件は、代替エンコーディングを生成するプロセスを自動化することである。 本稿では,AAgg(Automated Aggregator)という,非基底論理プログラムを付与した自動書き換えシステムを提案する。 実験分析により,この動作を実証し,自動解答集合プログラミングソルバ選択ツールにおけるシステムの利用を提案する。

関連論文リスト

• Automatic Programming: Large Language Models and Beyond [48.34544922560503]
  我々は,プログラマの責任に関するコード品質,セキュリティ,関連する問題について検討する。 ソフトウェア工学の進歩が自動プログラミングを実現する方法について論じる。 我々は、近い将来のプログラミング環境に焦点をあてて、先見的な視点で締めくくります。
  論文  参考訳（メタデータ） (2024-05-03T16:19:24Z)
• Genetic-based Constraint Programming for Resource Constrained Job Scheduling [5.068093754585243]
  資源制約されたジョブスケジューリングは、鉱業に起源を持つ計算の最適化問題である。 既成のソリューションはこの問題を合理的な時間枠で十分解決できない。 本稿では,制約プログラミングの効率的な探索手法を探索する遺伝的プログラミングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-01T09:57:38Z)
• Counting Reward Automata: Sample Efficient Reinforcement Learning Through the Exploitation of Reward Function Structure [13.231546105751015]
  本稿では,形式言語として表現可能な任意の報酬関数をモデル化可能な有限状態機械変種であるカウント・リワード・オートマトンを提案する。 このような抽象機械を組み込んだエージェントが,現在の手法よりも大きなタスクの集合を解くことができることを実証する。
  論文  参考訳（メタデータ） (2023-12-18T17:20:38Z)
• Recursive Visual Programming [53.76415744371285]
  本稿では、生成ルーチンを単純化し、より効率的な問題解決を提供し、より複雑なデータ構造を管理するRecursive Visual Programming (RVP)を提案する。 本稿では,VSR,COVR,GQA,NextQAなどのベンチマークにおいて,RVPの有効性を示す。
  論文  参考訳（メタデータ） (2023-12-04T17:27:24Z)
• Guess & Sketch: Language Model Guided Transpilation [59.02147255276078]
  学習されたトランスパイレーションは、手作業による書き直しやエンジニアリングの取り組みに代わるものだ。 確率的ニューラルネットワークモデル(LM)は、入力毎に可塑性出力を生成するが、正確性を保証するコストがかかる。 Guess & Sketch は LM の特徴からアライメントと信頼性情報を抽出し、意味的等価性を解決するためにシンボリック・ソルバに渡す。
  論文  参考訳（メタデータ） (2023-09-25T15:42:18Z)
• Automatic Program Instrumentation for Automatic Verification (Extended Technical Report) [0.0]
  帰納的検証とソフトウェアモデルチェックでは、特定の仕様言語構造を扱うことが問題となる。 本稿では,様々なアドホックなアプローチを仮定する統一検証パラダイムとして,インスツルメンテーションを提案する。 我々は,プログラムのアグリゲーションによる検証に適したMonoCeraツールにアプローチを実装した。
  論文  参考訳（メタデータ） (2023-05-26T14:55:35Z)
• System Predictor: Grounding Size Estimator for Logic Programs under Answer Set Semantics [0.5801044612920815]
  本稿では,プログラムの基底サイズを推定するシステム予測器を提案する。 本稿では,Productor と Lpopt が生成したリライトのガイドとして使用するPredictor の効果を評価する。
  論文  参考訳（メタデータ） (2023-03-29T20:49:40Z)
• Natural Language to Code Translation with Execution [82.52142893010563]
  実行結果-プログラム選択のための最小ベイズリスク復号化。 そこで本研究では,自然言語からコードへのタスクにおいて,事前訓練されたコードモデルの性能を向上することを示す。
  論文  参考訳（メタデータ） (2022-04-25T06:06:08Z)
• Discovering Non-monotonic Autoregressive Orderings with Variational Inference [67.27561153666211]
  我々は、訓練データから高品質な生成順序を純粋に検出する、教師なし並列化可能な学習装置を開発した。 エンコーダを非因果的注意を持つトランスフォーマーとして実装し、1つのフォワードパスで置換を出力する。 言語モデリングタスクにおける経験的結果から,我々の手法は文脈認識であり,一定の順序と競合する,あるいはより優れた順序を見つけることができる。
  論文  参考訳（メタデータ） (2021-10-27T16:08:09Z)
• Searching for More Efficient Dynamic Programs [61.79535031840558]
  本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。 実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
  論文  参考訳（メタデータ） (2021-09-14T20:52:55Z)
• Recent Developments in Program Synthesis with Evolutionary Algorithms [1.8047694351309207]
  関連する進化的プログラム合成手法を同定し,その性能を詳細に解析する。 私たちが特定する最も影響力のあるアプローチは、スタックベース、文法誘導、および線形遺伝プログラミングである。 今後の研究のために、研究者は、プログラムのアウトプットを使用して、ソリューションの品質を評価するだけでなく、ソリューションへの道を開くことを奨励します。
  論文  参考訳（メタデータ） (2021-08-27T11:38:27Z)

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。