論文の概要: Inductive Synthesis for Probabilistic Programs Reaches New Horizons
- arxiv url: http://arxiv.org/abs/2101.12683v1
- Date: Fri, 29 Jan 2021 16:59:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-01 14:02:49.119323
- Title: Inductive Synthesis for Probabilistic Programs Reaches New Horizons
- Title（参考訳）: 確率的プログラムのための帰納的合成
- Authors: Roman Andriushchenko, Milan Ceska, Sebastian Junges, Joost-Pieter
Katoen
- Abstract要約: 本稿では,確率的プログラムの自動合成手法を提案する。
出発点は、関連するが異なる位相を持つ有限状態マルコフ連鎖の有限族を表すプログラムスケッチであり、PCTL仕様である。
この方法は、プログラムに違反する反例(CE)を欲しがって生成し、それを家族を訓練するために利用する、新しい誘導性オラクルの上に構築されている。
- 参考スコア（独自算出の注目度）: 0.5505634045241288
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel method for the automated synthesis of
probabilistic programs. The starting point is a program sketch representing a
finite family of finite-state Markov chains with related but distinct
topologies, and a PCTL specification. The method builds on a novel inductive
oracle that greedily generates counter-examples (CEs) for violating programs
and uses them to prune the family. These CEs leverage the semantics of the
family in the form of bounds on its best- and worst-case behaviour provided by
a deductive oracle using an MDP abstraction. The method further monitors the
performance of the synthesis and adaptively switches between the inductive and
deductive reasoning. Our experiments demonstrate that the novel CE construction
provides a significantly faster and more effective pruning strategy leading to
acceleration of the synthesis process on a wide range of benchmarks. For
challenging problems, such as the synthesis of decentralized
partially-observable controllers, we reduce the run-time from a day to minutes.
- Abstract（参考訳）: 本稿では,確率的プログラムの自動合成手法を提案する。
開始点は、関連するが明確な位相を持つ有限状態マルコフ鎖の有限族を表すプログラムスケッチと、PCTL仕様である。
この方法は、プログラムに違反するための反例(CE)を熱心に生成し、それらを家族をプルーニングするために使用する新しい誘導性オラクルの上に構築される。
これらの CE は、MDP 抽象化を使用して導関数によって提供される最良および最悪の振る舞いの境界という形で、家族のセマンティクスを活用します。
さらに、合成性能を監視し、インダクティブ推論とインダクティブ推論を適応的に切り替える。
実験により,新しいCE構造はより高速で効率的なプルーニング戦略を提供し,幅広いベンチマーク上での合成プロセスの高速化につながることが示された。
分散化された部分観測可能なコントローラの合成など,困難な問題に対して,実行時間を1日から数分に短縮する。
関連論文リスト
- Double-Ended Synthesis Planning with Goal-Constrained Bidirectional Search [27.09693306892583]
材料制約を始点とする合成計画の定式化について述べる。
本稿では,双方向グラフ探索方式に基づく新しいCASPアルゴリズムであるDouble-Ended Synthesis Planning (DESP)を提案する。
DESPは既存のワンステップ逆合成モデルを利用することができ、これらのワンステップモデルの性能が向上するにつれて、その性能が拡大すると予想する。
論文 参考訳（メタデータ） (2024-07-08T18:56:00Z) - Synthesizing Efficiently Monitorable Formulas in Metric Temporal Logic [4.60607942851373]
システム実行から形式仕様を自動合成する問題を考察する。
時間論理式を合成するための古典的なアプローチの多くは、公式のサイズを最小化することを目的としている。
我々は,この概念を定式化し,有界な外見を持つ簡潔な公式を合成する学習アルゴリズムを考案する。
論文 参考訳（メタデータ） (2023-10-26T14:13:15Z) - Smoothing Methods for Automatic Differentiation Across Conditional
Branches [0.0]
スムース解釈(SI)は、プログラムの出力とガウス核との畳み込みを近似し、原理的にその出力を滑らかにする。
SIと自動微分(AD)を組み合わせることで、スムーズなプログラムの勾配を効率的に計算する。
本稿では,ADとサンプリングを組み合わせたスムーズなプログラムの勾配を推定することにより,基礎となる仮定を回避する新しいモンテカルロ推定法を提案する。
論文 参考訳（メタデータ） (2023-10-05T15:08:37Z) - INVICTUS: Optimizing Boolean Logic Circuit Synthesis via Synergistic
Learning and Search [18.558280701880136]
最先端論理合成アルゴリズムは、多数の論理最小化を持つ。
INVICTUSは、以前に見られた設計のトレーニングデータセットに基づいて、論理最小化のシーケンスを生成する。
論文 参考訳（メタデータ） (2023-05-22T15:50:42Z) - Forward LTLf Synthesis: DPLL At Work [1.370633147306388]
有限トレース(LTLf)上での線形時間論理の合成のための新しいAND-ORグラフ探索フレームワークを提案する。
このようなフレームワーク内では、Davis-Putnam-Logemann-Loveland (DPLL)アルゴリズムにインスパイアされたプロシージャを考案し、次に利用可能なエージェント環境の動きを生成する。
また,状態公式の構文的等価性に基づく探索ノードの等価性チェックも提案する。
論文 参考訳（メタデータ） (2023-02-27T14:33:50Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Revisiting GANs by Best-Response Constraint: Perspective, Methodology,
and Application [49.66088514485446]
ベストレスポンス制約(Best-Response Constraint、BRC)は、ジェネレータのディスクリミネータへの依存性を明示的に定式化する一般的な学習フレームワークである。
モチベーションや定式化の相違があっても, フレキシブルBRC法により, 様々なGANが一様に改善できることが示される。
論文 参考訳（メタデータ） (2022-05-20T12:42:41Z) - Faster One-Sample Stochastic Conditional Gradient Method for Composite
Convex Minimization [61.26619639722804]
滑らかで非滑らかな項の和として形成される凸有限サム目標を最小化するための条件勾配法(CGM)を提案する。
提案手法は, 平均勾配 (SAG) 推定器を備え, 1回に1回のサンプルしか必要としないが, より高度な分散低減技術と同等の高速収束速度を保証できる。
論文 参考訳（メタデータ） (2022-02-26T19:10:48Z) - Process Discovery for Structured Program Synthesis [70.29027202357385]
プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。
本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。
我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
論文 参考訳（メタデータ） (2020-08-13T10:33:10Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Creating Synthetic Datasets via Evolution for Neural Program Synthesis [77.34726150561087]
いくつかのプログラム合成手法は、ランダムに生成された例と異なるデータ分布によく一般化されていることを示す。
本稿では, 合成データ分布のバイアスを制御し, 現在の手法より優れていることを示すための, 新たな敵対的手法を提案する。
論文 参考訳（メタデータ） (2020-03-23T18:34:15Z)
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。