論文の概要: Free-Choice Nets With Home Clusters Are Lucent

• arxiv url: http://arxiv.org/abs/2106.03554v1
• Date: Mon, 7 Jun 2021 12:34:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-09 06:54:46.153225
• Title: Free-Choice Nets With Home Clusters Are Lucent
• Title（参考訳）: ホームクラスタ付きフリーチョイスネットはルーセント
• Authors: Wil M.P. van der Aalst
• Abstract要約: マークされたペトリネットは、同じ遷移の集合を可能にする2つの異なる到達可能なマーキングが存在しない場合、光沢がある。 本稿では,ホームクラスタを有するすべての自由選択ネットがキラキラであることを示す。
• 参考スコア（独自算出の注目度）: 1.14219428942199
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A marked Petri net is lucent if there are no two different reachable markings enabling the same set of transitions, i.e., states are fully characterized by the transitions they enable. Characterizing the class of systems that are lucent is a foundational and also challenging question. However, little research has been done on the topic. In this paper, it is shown that all free-choice nets having a home cluster are lucent. These nets have a so-called home marking such that it is always possible to reach this marking again. Such a home marking can serve as a regeneration point or as an end-point. The result is highly relevant because in many applications, we want the system to be lucent and many well-behaved process models fall into the class identified in this paper. Unlike previous work, we do not require the marked Petri net to be live and strongly connected. Most of the analysis techniques for free-choice nets are tailored towards well-formed nets. The approach presented in this paper provides a novel perspective enabling new analysis techniques for free-choice nets that do not need to be well-formed. Therefore, we can also model systems and processes that are terminating and/or have an initialization phase.
• Abstract（参考訳）: マークされたペトリネットは、2つの異なる到達可能なマーキングがなく、同じ遷移の集合、すなわち状態がそれらを可能にする遷移によって完全に特徴づけられる場合、光沢がある。 華やかなシステムのクラスを特徴づけることは、基礎的かつ挑戦的な問題である。 しかし、この話題に関する研究はほとんど行われていない。 本稿では,ホームクラスタを有するすべての自由選択ネットがキラキラであることを示す。 これらのネットはホームマーキングと呼ばれており、常にこのマーキングに到達することができる。 このようなホームマーキングは、再生ポイントまたはエンドポイントとして機能することができる。 この結果は、多くのアプリケーションにおいて、システムが華やかで、多くの良好なプロセスモデルがこの論文で特定されたクラスに該当することを望んでいます。 以前の仕事とは異なり、マークされたペトリネットを生かして強くつなげる必要はない。 フリーチョイスネットの分析技術のほとんどは、よくできたネットに合わせたものである。 本論文で提示されたアプローチは, 適切に構成される必要のないフリーチョイスネットに対して, 新たな解析手法を実現するための新しい視点を提供する。 したがって、終了または初期化フェーズを持つシステムやプロセスをモデル化することもできる。

関連論文リスト

• PrAViC: Probabilistic Adaptation Framework for Real-Time Video Classification [7.380324916960336]
  本稿では,ビデオデータのオンライン分類問題を扱うための,新しい,統一的で理論に基づく適応フレームワークを提案する。 本研究の最初の段階は、シーケンシャルデータの分類理論のための堅牢な数学的基盤を確立することである。 次のフェーズでは、オフラインモデルをオンラインおよびリカレント操作に適応するための、簡単で容易に実装可能な方法を示す。
  論文  参考訳（メタデータ） (2024-06-17T11:56:15Z)
• Mapping out phase diagrams with generative classifiers [0.0]
  多体物理学における中心的な課題の1つは位相図の決定である。 位相分類問題は生成的分類器を用いて解くのが自然に適切であることを示す。 これは、人間の監督がほとんど、あるいは全くないフェーズダイアグラムを自律的に決定するための強力なフレームワークにつながります。
  論文  参考訳（メタデータ） (2023-06-26T17:59:29Z)
• A Unified Algebraic Perspective on Lipschitz Neural Networks [88.14073994459586]
  本稿では,様々なタイプの1-Lipschitzニューラルネットワークを統一する新しい視点を提案する。 そこで本研究では,SDP(Common semidefinite Programming)条件の解析解を求めることによって,既存の多くの手法を導出し,一般化することができることを示す。 SDPベースのLipschitz Layers (SLL) と呼ばれる我々のアプローチは、非自明で効率的な凸ポテンシャル層の一般化を設計できる。
  論文  参考訳（メタデータ） (2023-03-06T14:31:09Z)
• Transductive Linear Probing: A Novel Framework for Few-Shot Node Classification [56.17097897754628]
  自己教師付きグラフと対照的な事前学習による帰納的線形探索は、同じプロトコル下での最先端の完全教師付きメタラーニング手法より優れていることを示す。 この研究が、数ショットのノード分類問題に新たな光を当て、グラフ上のわずかにラベル付けされたインスタンスから学ぶことの今後の研究を促進することを願っている。
  論文  参考訳（メタデータ） (2022-12-11T21:10:34Z)
• Slimmable Networks for Contrastive Self-supervised Learning [69.9454691873866]
  自己教師付き学習は、大規模なモデルを事前訓練する上で大きな進歩を遂げるが、小さなモデルでは苦労する。 追加の教師を必要とせず、訓練済みの小型モデルを得るための1段階のソリューションも導入する。 スリム化可能なネットワークは、完全なネットワークと、様々なネットワークを得るために一度にトレーニングできるいくつかの重み共有サブネットワークから構成される。
  論文  参考訳（メタデータ） (2022-09-30T15:15:05Z)
• Towards Disentangling Information Paths with Coded ResNeXt [11.884259630414515]
  ネットワーク全体の機能の透明性を高めるために,我々は新しいアプローチを採っている。 分類のためのニューラルネットワークアーキテクチャを提案し、各クラスに関連する情報が特定の経路を流れる。
  論文  参考訳（メタデータ） (2022-02-10T21:45:49Z)
• TSG: Target-Selective Gradient Backprop for Probing CNN Visual Saliency [72.9106103283475]
  我々は、畳み込みニューラルネットワークを解釈するために視覚的サリエンシ、すなわち視覚的説明について研究する。 これらの観測に触発されて、我々はTSG(Target-Selective Gradient)バックプロップと呼ばれる新しいビジュアル・サリエンシ・フレームワークを提案する。 提案したTSGはTSG-ConvとTSG-FCの2つのコンポーネントから構成され、それぞれ畳み込み層と完全連結層の勾配を補正する。
  論文  参考訳（メタデータ） (2021-10-11T12:00:20Z)
• Emerging Paradigms of Neural Network Pruning [82.9322109208353]
  この問題に対する後処理ソリューションとしてPruningが採用され、パフォーマンスを損なわないニューラルネットワークの不要なパラメータの除去を目指している。 最近の研究では、パフォーマンスと密接なそれとを一致させるように訓練できるランダムなスパースネットワークを発見することによって、この信念に挑戦している。 この調査は、従来のアルゴリズムとうまく適合できるように、一般的な刈り取りフレームワークを提案し、ギャップを埋めることを目指しています。
  論文  参考訳（メタデータ） (2021-03-11T05:01:52Z)
• Petri Nets with Parameterised Data: Modelling and Verification (Extended Version) [67.99023219822564]
  我々は、カタログネットと呼ばれるカラーペトリネットの拡張を紹介し、研究し、このタイプのプロセスを捉える2つの重要な特徴を提供する。 我々は、新しい価値注入が特に扱いにくい機能であることを示し、それを改ざんするための戦略について議論する。
  論文  参考訳（メタデータ） (2020-06-11T17:26:08Z)

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。