論文の概要: Multi-Context Systems: Dynamics and Evolution (Pre-Print of
"Multi-context systems in dynamic environments")
- arxiv url: http://arxiv.org/abs/2106.06780v1
- Date: Sat, 12 Jun 2021 13:52:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 16:09:12.772980
- Title: Multi-Context Systems: Dynamics and Evolution (Pre-Print of
"Multi-context systems in dynamic environments")
- Title(参考訳): マルチコンテキストシステム:ダイナミクスと進化("ダイナミック環境におけるマルチコンテキストシステム"のプレプリント)
- Authors: Pedro Cabalar and Stefania Costantini and Giovanni De Gasperis and
Andrea Formisano
- Abstract要約: 橋梁ルールの定義と適用における柔軟性と汎用性を高める方法について検討する。
特に,動的環境の実用化に有用なMCSの形式的拡張について紹介し,議論する。
- 参考スコア(独自算出の注目度): 3.266512342020389
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-Context Systems (MCS) model in Computational Logic distributed systems
composed of heterogeneous sources, or "contexts", interacting via special rules
called "bridge rules". In this paper, we consider how to enhance flexibility
and generality in bridge-rules definition and application. In particular, we
introduce and discuss some formal extensions of MCSs useful for a practical use
in dynamic environments, and we try to provide guidelines for implementations
- Abstract(参考訳): 計算論理系におけるマルチコンテキストシステム(MCS)モデルは「ブリッジルール」と呼ばれる特別なルールを介して相互作用する異種ソース("contexts")から構成される。
本稿では,橋梁ルール定義および適用における柔軟性と汎用性の向上について考察する。
特に、動的環境における実践的利用に役立つMCSの形式的拡張について紹介し、議論し、実装ガイドラインの提供を試みる。
関連論文リスト
- A VAE-based Framework for Learning Multi-Level Neural Granger-Causal
Connectivity [15.295157876811066]
本稿では, 関連系・異種系系の集合において, 成分間の顆粒・因果関係を共同で学習する変分オートエンコーダに基づくフレームワークを提案する。
提案するフレームワークの性能は,複数の合成データ設定に基づいて評価し,個別のシステム学習用に設計された既存手法と比較した。
論文 参考訳(メタデータ) (2024-02-25T16:11:32Z) - Text-centric Alignment for Multi-Modality Learning [3.965388868734421]
マルチモーダル学習のためのテキスト中心アライメント(TAMML)を提案する。
テキストのユニークな性質を統一意味空間として活用することにより、TAMMLは目に見えない、多様性があり、予測不可能なモダリティの組み合わせを扱う上で、大幅な改善を示す。
本研究は,モダリティの可用性が動的で不確実な実世界のアプリケーションに対して,フレキシブルで効果的なソリューションを提供することによって,この分野に寄与する。
論文 参考訳(メタデータ) (2024-02-12T22:07:43Z) - Invariant Causal Imitation Learning for Generalizable Policies [87.51882102248395]
Invariant Causal Learning (ICIL) を提案する。
ICILはノイズ変数の特定の表現から切り離された因果的特徴の表現を学習する。
ICILは、目に見えない環境に一般化可能な模倣ポリシーの学習に有効であることを示す。
論文 参考訳(メタデータ) (2023-11-02T16:52:36Z) - Revisiting Disentanglement and Fusion on Modality and Context in
Conversational Multimodal Emotion Recognition [81.2011058113579]
特徴の多様性と会話の文脈化は、特徴の絡み合いと融合の段階において、同時に適切にモデル化されるべきである。
マルチモーダル・コンテキスト統合のためのコントリビューション・アウェア・フュージョン・メカニズム(CFM)とコンテキスト・リフュージョン・メカニズム(CRM)を提案する。
我々のシステムは、新しい最先端のパフォーマンスを一貫して達成する。
論文 参考訳(メタデータ) (2023-08-08T18:11:27Z) - SpReME: Sparse Regression for Multi-Environment Dynamic Systems [6.7053978622785415]
本研究では,SpReMEと呼ばれるスパースレグレッションの手法を開発し,複数の環境を基盤とする主要な力学を明らかにする。
提案モデルでは,予測性能を向上した4つの動的システム上で,複数の環境から正しいダイナミクスを捕捉することを示した。
論文 参考訳(メタデータ) (2023-02-12T15:45:50Z) - Learning Visual Representation from Modality-Shared Contrastive
Language-Image Pre-training [88.80694147730883]
本稿では,多種多様なモダリティ共有コントラスト言語-画像事前学習(MS-CLIP)フレームワークについて検討する。
学習条件下では、視覚と言語信号のためのほとんど統一されたエンコーダが、より多くのパラメータを分離する他のすべてのバリエーションより優れていることが観察された。
我々のアプローチは、24の下流視覚タスクのコレクションに基づいて、線形探索においてバニラCLIPを1.6ポイント上回ります。
論文 参考訳(メタデータ) (2022-07-26T05:19:16Z) - Generalizing to New Physical Systems via Context-Informed Dynamics Model [0.0]
文脈インフォームド・ダイナミックス適応(CoDA)のための新しいフレームワークを提案する。
CoDAは、各環境固有のコンテキストパラメータに動的モデルを適用することを学ぶ。
様々なアプリケーション領域を表す非線形ダイナミクスの集合に対して、最先端の一般化結果を示す。
論文 参考訳(メタデータ) (2022-02-01T07:41:10Z) - Knowledge-Enhanced Hierarchical Graph Transformer Network for
Multi-Behavior Recommendation [56.12499090935242]
本研究では,ユーザとレコメンデータシステムにおける項目間の多種類の対話パターンを探索する知識強化階層型グラフトランスフォーマネットワーク(KHGT)を提案する。
KHGTはグラフ構造化ニューラルネットワーク上に構築され、タイプ固有の振る舞い特性をキャプチャする。
KHGTは、様々な評価設定において、最先端のレコメンデーション手法よりも一貫して優れていることを示す。
論文 参考訳(メタデータ) (2021-10-08T09:44:00Z) - A Reinforcement Learning Environment for Multi-Service UAV-enabled
Wireless Systems [4.0393766449982085]
我々は、様々なアプリケーションコンテキストで異なる通信サービスを提供する自律型UAVのための多目的環境を設計する。
我々は,実運用環境の異なる特性をシミュレートするために,openai gymフレームワークに基づく環境を開発する。
結果のポリシーの品質は、システムを評価するための単純なベースラインと比較され、さまざまなユースケースでこの技術を採用するためのガイドラインを導き出します。
論文 参考訳(メタデータ) (2021-05-11T14:45:24Z) - An Overview of Recommender Systems and Machine Learning in Feature
Modeling and Configuration [55.67505546330206]
レコメンダーシステムおよび機械学習技術の適用に関連する潜在的な新しい研究ラインの概要を説明します。
本論文では,レコメンダーシステムと機械学習の応用例を示し,今後の研究課題について考察する。
論文 参考訳(メタデータ) (2021-02-12T17:21:36Z) - Invariant Causal Prediction for Block MDPs [106.63346115341862]
環境全体にわたる一般化は、実世界の課題への強化学習アルゴリズムの適用の成功に不可欠である。
本稿では,多環境環境における新しい観測を一般化するモデル不適合状態抽象化(MISA)を学習するための不変予測法を提案する。
論文 参考訳(メタデータ) (2020-03-12T21:03:01Z)
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。