Fugu-MT 論文翻訳(概要): Translating Recursive Probabilistic Programs to Factor Graph Grammars

論文の概要: Translating Recursive Probabilistic Programs to Factor Graph Grammars

arxiv url: http://arxiv.org/abs/2010.12071v1
Date: Thu, 22 Oct 2020 21:17:04 GMT
ステータス: 処理完了
システム内更新日: 2022-10-04 08:20:35.492565
Title: Translating Recursive Probabilistic Programs to Factor Graph Grammars
Title（参考訳）: 再帰確率プログラムの因子グラフ文法への変換
Authors: David Chiang and Chung-chieh Shan
Abstract要約: 因子グラフ文法(FGG)は、推論を行うために列挙される必要はない因子グラフの集合を生成する。条件付き一階確率型プログラムからのセマンティックス保存翻訳とFGGへの再帰を提供する。
参考スコア（独自算出の注目度）: 20.539191533339427
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: It is natural for probabilistic programs to use conditionals to express alternative substructures in models, and loops (recursion) to express repeated substructures in models. Thus, probabilistic programs with conditionals and recursion motivate ongoing interest in efficient and general inference. A factor graph grammar (FGG) generates a set of factor graphs that do not all need to be enumerated in order to perform inference. We provide a semantics-preserving translation from first-order probabilistic programs with conditionals and recursion to FGGs.
Abstract（参考訳）: 確率的プログラムは、モデル内の代替部分構造を表現するために条件を使い、モデルの繰り返し部分構造を表現するためにループ(再帰)を使用するのが自然である。したがって、条件付き確率プログラムと再帰プログラムは、効率的で一般的な推論に対する継続的な関心を動機付けている。因子グラフ文法(FGG)は、推論を行うために列挙される必要はない因子グラフの集合を生成する。条件付き一階確率型プログラムからのセマンティックス保存翻訳とFGGへの再帰を提供する。

関連論文リスト

Origami: (un)folding the abstraction of recursion schemes for program synthesis [0.0]
遺伝的プログラミングは入力仕様を満たす正しいプログラムを探索する。特定の課題はループと再帰を扱う方法であり、終わらないプログラムを避けることである。再帰スキーマは、データ生産と消費の組み合わせを一般化する。
論文参考訳（メタデータ） (2024-02-21T14:17:45Z)
Compositional Generalization without Trees using Multiset Tagging and Latent Permutations [121.37328648951993]
まず、各入力トークンに複数の出力トークンをタグ付けします。次に、新しいパラメータ化法と置換予測法を用いて、トークンを出力シーケンスに配置する。我々のモデルは、事前訓練されたセq2seqモデルと、現実的なセマンティック解析タスクに関する先行研究より優れている。
論文参考訳（メタデータ） (2023-05-26T14:09:35Z)
$\omega$PAP Spaces: Reasoning Denotationally About Higher-Order, Recursive Probabilistic and Differentiable Programs [64.25762042361839]
$omega$PAP 空間は表現的微分可能および確率的プログラミング言語についての推論のための空間である。我々の意味論は、最も実践的な確率的で微分可能なプログラムに意味を割り当てるのに十分である。確率プログラムのトレース密度関数のほぼすべての微分可能性を確立する。
論文参考訳（メタデータ） (2023-02-21T12:50:05Z)
Training and Inference on Any-Order Autoregressive Models the Right Way [97.39464776373902]
Any-Order Autoregressive Models (AO-ARMs) のファミリは、任意の条件付きタスクにおいてブレークスルーのパフォーマンスを示している。我々は、AO-ARMの以前の定式化に対して行うべき重要な改善について確認する。本手法はトラクタビリティを損なうことなく性能を向上する。
論文参考訳（メタデータ） (2022-05-26T18:00:02Z)
Foundation Posteriors for Approximate Probabilistic Inference [11.64841553345271]
我々は確率的プログラムにおいて、推論をマスク付き言語モデリングとして定式化する。ニューラルネットワークをトレーニングしてランダムな値を解き放ち、近似した後続分布を定義する。提案手法の有効性をSTANプログラムのベンチマークで示す。
論文参考訳（メタデータ） (2022-05-19T17:42:37Z)
Distributional Gradient Boosting Machines [77.34726150561087]
私たちのフレームワークはXGBoostとLightGBMをベースにしています。我々は,このフレームワークが最先端の予測精度を実現することを示す。
論文参考訳（メタデータ） (2022-04-02T06:32:19Z)
flip-hoisting: Exploiting Repeated Parameters in Discrete Probabilistic Programs [25.320181572646135]
本稿では、離散確率的プログラムにおいて繰り返しパラメータを分解し、推論性能を向上させるプログラム解析とそれに伴う最適化について述べる。既存の確率型プログラミング言語でフリップホスティングを実装し,推論性能が著しく向上することを示す。
論文参考訳（メタデータ） (2021-10-19T22:04:26Z)
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)
A Unified View of Algorithms for Path Planning Using Probabilistic Inference on Factor Graphs [2.4874504720536317]
この研究は、様々なコスト関数から生じる特定の再帰について考察し、スコープに類似しているように見えるが、少なくとも典型的な経路計画問題に適用した場合に違いがある。確率空間とログ空間の両方で提示されるこの統一されたアプローチは、Sum-product、Max-product、Dynamic Programming、混合Reward/Entropy基準に基づくアルゴリズムを含む非常に一般的なフレームワークを提供する。
論文参考訳（メタデータ） (2021-06-19T07:13:15Z)
Can We Learn Heuristics For Graphical Model Inference Using Reinforcement Learning? [114.24881214319048]
我々は、強化学習を用いて、高次条件ランダム場(CRF)における推論を解くためのプログラム、すなわち、ポリシーを学習できることを示します。本手法は,ポテンシャルの形式に制約を加えることなく,推論タスクを効率的に解く。
論文参考訳（メタデータ） (2020-04-27T19:24:04Z)
Stochastic Probabilistic Programs [1.90365714903665]
本稿では,確率的プログラムの概念を導入し,プログラムの仕様と推論を支援する確率的プログラミング施設のリファレンス実装を提案する。確率プログラムのいくつかの例を示し、モデル仕様と推論の観点から、決定論的確率プログラムと対応する決定論的確率プログラムを比較した。
論文参考訳（メタデータ） (2020-01-08T17:54:40Z)

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。