論文の概要: Defeasible Reasoning via Datalog$^\neg$

• arxiv url: http://arxiv.org/abs/2106.10946v1
• Date: Mon, 21 Jun 2021 09:38:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-22 15:18:57.760491
• Title: Defeasible Reasoning via Datalog$^\neg$
• Title（参考訳）: datalog$^\neg$による解消可能な推論
• Authors: Michael J. Maher
• Abstract要約: 本稿では,デファジブル理論をDatalog$neg$プログラムにコンパイルする問題に対処する。 このコンパイルの正しさは、デファシブル論理 $DL(partial_||)$ に対して証明する。 また、未完成なDatalog$neg$の実装に適応するために、以前よく研究された論理プログラムの構造特性を使用します。
• 参考スコア（独自算出の注目度）: 1.3706331473063877
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We address the problem of compiling defeasible theories to Datalog$^\neg$ programs. We prove the correctness of this compilation, for the defeasible logic $DL(\partial_{||})$, but the techniques we use apply to many other defeasible logics. Structural properties of $DL(\partial_{||})$ are identified that support efficient implementation and/or approximation of the conclusions of defeasible theories in the logic, compared with other defeasible logics. We also use previously well-studied structural properties of logic programs to adapt to incomplete Datalog$^\neg$ implementations.
• Abstract（参考訳）: 我々は,datalog$^\neg$ プログラムに難解な理論をコンパイルする問題に対処する。 このコンパイルの正確性は、defeasible logic $dl(\partial_{||})$ に対して証明するが、我々が使用する技法は、他の多くのdefeasible logicに適用される。 $dl(\partial_{||})$の構造的性質は、他の相反論理と比較して、論理における相反する理論の帰結の効率的な実装と/または近似をサポートする。 私たちはまた、不完全なdatalog$^\neg$の実装に適応するために、論理プログラムの構造的特性もよく研究しました。

関連論文リスト

• FLARE: Faithful Logic-Aided Reasoning and Exploration [50.9814063216852]
  タスク分解を用いて問題空間をトラバースする新しい手法を提案する。 我々はLarge Language Modelsを使ってソリューションを計画し、クエリを事実に軟式化し、論理プログラミングコードを使って述語する。 提案手法は,生成したコードに対する推論プロセスの忠実度を計算し,外部の解法に頼らずにマルチホップ探索のステップを解析する。
  論文  参考訳（メタデータ） (2024-10-14T19:39:11Z)
• Transformer-based Language Models for Reasoning in the Description Logic ALCQ [2.8210912543324658]
  自然言語のデータセット DELTA$_D$ を表現型記述論理言語 $mathcalALCQ$ を使って構築する。 教師付き細調整DeBERTaモデルと2つの大言語モデルの論理的推論能力について検討する。 データセットに微調整されたDeBERTaベースのモデルが、詳細チェックタスクをマスターできることを示します。
  論文  参考訳（メタデータ） (2024-10-12T18:25:34Z)
• Logic-of-Thought: Injecting Logic into Contexts for Full Reasoning in Large Language Models [10.106408289179463]
  本稿では,入力コンテキストから拡張論理情報を生成するために,命題論理を利用するロジック・オブ・ソート(LoT)プロンプトを提案する。 LoTは5つの論理的推論タスクで顕著なマージンで、様々なプロンプトメソッドのパフォーマンスを向上する。
  論文  参考訳（メタデータ） (2024-09-26T04:59:45Z)
• Transformers in the Service of Description Logic-based Contexts [2.8210912543324658]
  私たちは記述論理言語$mathcalALCQ$を使って自然言語データセットDELTA$_D$を構築します。 教師付き細調整DeBERTaモデルと2つの大言語モデル(GPT-3.5, GPT-4)の推論能力について検討した。 以上の結果から,DeBERTaをベースとしたモデルでは推論タスクをマスターすることができ,少数のサンプルが提供されてもGPTの性能は大幅に向上することが示された。
  論文  参考訳（メタデータ） (2023-11-15T13:23:24Z)
• Language Models can be Logical Solvers [99.40649402395725]
  論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。 LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
  論文  参考訳（メタデータ） (2023-11-10T16:23:50Z)
• LINC: A Neurosymbolic Approach for Logical Reasoning by Combining Language Models with First-Order Logic Provers [60.009969929857704]
  論理的推論は、科学、数学、社会に潜在的影響を与える可能性のある人工知能にとって重要なタスクである。 本研究では、LINCと呼ばれるモジュール型ニューロシンボリックプログラミングのようなタスクを再構成する。 我々は,FOLIOとProofWriterのバランスの取れたサブセットに対して,ほぼすべての実験条件下で,3つの異なるモデルに対して顕著な性能向上を観察した。
  論文  参考訳（メタデータ） (2023-10-23T17:58:40Z)
• Simulating Structural Plasticity of the Brain more Scalable than Expected [69.39201743340747]
  Rinkeらは、Barnes-Hutアルゴリズムの変種を用いて、現在のハードウェア上で最大10億のニューロンに対して構造的可塑性をシミュレートするスケーラブルなアルゴリズムを導入した。 アルゴリズムを慎重に検討すると、理論ランタイムは$O(n log2 n)$と分類できる。
  論文  参考訳（メタデータ） (2022-10-11T09:02:43Z)
• Neuro-Symbolic Inductive Logic Programming with Logical Neural Networks [65.23508422635862]
  我々は最近提案された論理ニューラルネットワーク(LNN)を用いた学習規則を提案する。 他のものと比較して、LNNは古典的なブール論理と強く結びついている。 標準ベンチマークタスクの実験では、LNNルールが極めて解釈可能であることを確認した。
  論文  参考訳（メタデータ） (2021-12-06T19:38:30Z)
• Approximating Defeasible Logics to Improve Scalability [1.3706331473063877]
  我々は$DL(partial_||)$を$DL(partial)$などのデファシブル論理における計算結果の計算補助として利用すると考えている。 我々は、$DL(partial_||)$を$DL(partial)$に置き換えることができる条件を、引き出された結論を変更することなく特定する。
  論文  参考訳（メタデータ） (2021-08-11T13:54:12Z)
• Logic-Driven Context Extension and Data Augmentation for Logical Reasoning of Text [65.24325614642223]
  論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。 このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。 本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
  論文  参考訳（メタデータ） (2021-05-08T10:09:36Z)
• Intuitionistic Linear Temporal Logics [0.7087237546722617]
  線形時相論理の直観的変種を次の', "to', and release" とみなす。 我々は $iltl$ が有効有限モデル特性を持ち、したがって決定可能であることを証明し、$itlb$ は有限モデル特性を持たない。 また、これらの論理に対する有界双変調の概念を導入し、それらを用いて、持続的なポーズのクラスでさえも、proto' と Release' の作用素が互いに定義できないことを示す。
  論文  参考訳（メタデータ） (2019-12-30T11:49:31Z)

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。