論文の概要: Forgetting in Answer Set Programming -- A Survey

• arxiv url: http://arxiv.org/abs/2107.07016v1
• Date: Wed, 14 Jul 2021 21:37:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-16 13:56:30.510490
• Title: Forgetting in Answer Set Programming -- A Survey
• Title（参考訳）: 回答セットプログラミングにおける留意 - サーベイ
• Authors: Ricardo Gon\c{c}alves, Matthias Knorr, Jo\~ao Leite
• Abstract要約: fortting - 変数の排除 - は、知識ベースから、もはや関係のない中間変数の削除を可能にする操作である。 本稿では,アンサーセットプログラミングにおける既存の特性と(クラスの)演算子について,徹底的に検討する。 私たちの目標は、アプリケーション要件に最も適したオペレータの選択を支援するためのガイダンスを提供することです。
• 参考スコア（独自算出の注目度）: 0.9281671380673306
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Forgetting - or variable elimination - is an operation that allows the removal, from a knowledge base, of middle variables no longer deemed relevant. In recent years, many different approaches for forgetting in Answer Set Programming have been proposed, in the form of specific operators, or classes of such operators, commonly following different principles and obeying different properties. Each such approach was developed to somehow address some particular view on forgetting, aimed at obeying a specific set of properties deemed desirable in such view, but a comprehensive and uniform overview of all the existing operators and properties is missing. In this paper, we thoroughly examine existing properties and (classes of) operators for forgetting in Answer Set Programming, drawing a complete picture of the landscape of these classes of forgetting operators, which includes many novel results on relations between properties and operators, including considerations on concrete operators to compute results of forgetting and computational complexity. Our goal is to provide guidance to help users in choosing the operator most adequate for their application requirements.
• Abstract（参考訳）: forgetting -または変数の削除 - は、もはや関係のない中間変数の知識ベースから、削除を許可する操作である。 近年では、解答集合プログラミングを忘れるための多くの異なるアプローチが、特定の演算子、あるいはそのような演算子のクラスという形で提案され、一般に異なる原理に従い、異なる性質に従う。 それぞれのアプローチは、そのような視点で望ましいと考えられる特定の性質の集合に従うことを目的とした、忘れることに関する特定の見解に何らかの対処するために開発されたが、既存の演算子や特性の包括的かつ均一な概要は欠落している。 本稿では,既存プロパティと(クラスの)演算子を網羅的に検討し,これらの演算子のクラス全体の全体像を描き,特性と演算子の関係に関する新しい結果が多数含まれている。 当社の目標は、ユーザがアプリケーション要件に最も適したオペレータを選択するためのガイダンスを提供することです。

関連論文リスト

• Algebraic methods for solving recognition problems with non-crossing classes [0.0]
  認識演算子と決定規則という2つの演算子の形式でモデルを考えることが提案されている。 演算子を認識するために代数演算を導入し、これらの演算子の応用に基づいて認識アルゴリズムのファミリを作成する。
  論文  参考訳（メタデータ） (2024-01-24T18:58:21Z)
• Parameterized Projected Bellman Operator [64.129598593852]
  近似値反復(英: Approximate value iteration, AVI)は、強化学習(RL)のためのアルゴリズムの一群である。 本稿ではベルマン作用素の近似版を学習する新しい代替手法を提案する。 逐次決定問題に対するPBO学習のための最適化問題を定式化する。
  論文  参考訳（メタデータ） (2023-12-20T09:33:16Z)
• De-fine: Decomposing and Refining Visual Programs with Auto-Feedback [75.62712247421146]
  De-fineは、複雑なタスクを単純なサブタスクに分解し、オートフィードバックを通じてプログラムを洗練する、トレーニング不要のフレームワークである。 様々な視覚的タスクに対する我々の実験は、De-fineがより堅牢なプログラムを生成することを示している。
  論文  参考訳（メタデータ） (2023-11-21T06:24:09Z)
• Representation Equivalent Neural Operators: a Framework for Alias-free Operator Learning [11.11883703395469]
  この研究は、Representation equivalent Neural Operators (ReNO) フレームワークによるニューラル演算子に対する新たな取り組みを提供する。 中心となるのは演算子エイリアスの概念であり、これは神経演算子とその離散表現の不整合を測定する。 我々の研究結果は、異なる離散化やグリッドを扱う際にエイリアシングがエラーを発生させ、重要な連続構造が失われることについて詳述している。
  論文  参考訳（メタデータ） (2023-05-31T14:45:34Z)
• Class-Specific Variational Auto-Encoder for Content-Based Image Retrieval [95.42181254494287]
  本稿では,変分自動エンコーダ(VAE)に対する正規化損失を提案する。 その結果、モデルは、関心のクラスに属するデータを他のあらゆる可能性から識別することを学ぶ。 実験の結果,提案手法はドメイン内およびドメイン外検索における競合よりも優れていた。
  論文  参考訳（メタデータ） (2023-04-23T19:51:25Z)
• Neural Constraint Satisfaction: Hierarchical Abstraction for Combinatorial Generalization in Object Rearrangement [75.9289887536165]
  基礎となるエンティティを明らかにするための階層的抽象化手法を提案する。 本研究では,エージェントのモデルにおける実体の状態の介入と,環境中の物体に作用する状態の対応関係を学習する方法を示す。 この対応を利用して、オブジェクトの異なる数や構成に一般化する制御法を開発する。
  論文  参考訳（メタデータ） (2023-03-20T18:19:36Z)
• Multi-task Bias-Variance Trade-off Through Functional Constraints [102.64082402388192]
  マルチタスク学習は、多様なタスクによく機能する関数の集合を取得することを目的としている。 本稿では,2つの極端な学習シナリオ,すなわちすべてのタスクに対する単一関数と,他のタスクを無視するタスク固有関数から直感を抽出する。 本稿では,集中関数に対するドメイン固有解を強制する制約付き学習定式化を導入する。
  論文  参考訳（メタデータ） (2022-10-27T16:06:47Z)
• Interpretable by Design: Learning Predictors by Composing Interpretable Queries [8.054701719767293]
  機械学習アルゴリズムは設計によって解釈されるべきである。 正確な予測に必要なクエリの数を最小限に抑える。 視覚とNLPタスクの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2022-07-03T02:40:34Z)
• Principled Design of Translation, Scale, and Rotation Invariant Variation Operators for Metaheuristics [24.062774394718662]
  本稿では,探索空間に依存しない新しい演算子を自動設計し,異なる問題に対して堅牢な性能を示すことを目的とする。 導出型汎用形式に基づく高性能演算子を探索する演算子の自動設計のための原理的手法を提案する。 実験の結果,提案手法により生成した演算子は,複雑な景観や最大1000個の決定変数に関する様々な問題において,最先端の演算よりも優れていた。
  論文  参考訳（メタデータ） (2021-05-22T07:27:14Z)
• Randomized Entity-wise Factorization for Multi-Agent Reinforcement Learning [59.62721526353915]
  実世界のマルチエージェント設定は、エージェントや非エージェントエンティティのタイプや量が異なるタスクを伴うことが多い。 我々の方法は、これらの共通点を活用することを目的としており、「観察対象のランダムに選択されたサブグループのみを考えるとき、各エージェントが期待する効用は何か?」という問いを投げかける。
  論文  参考訳（メタデータ） (2020-06-07T18:28:41Z)
• Crowdsourced Labeling for Worker-Task Specialization Model [14.315501760755605]
  我々は、$d$タイプのワーカータスク特化モデルに基づくクラウドソースラベリングについて検討する。 我々は,作業者クラスタリング,作業者スキル推定,多数決の重み付けによる二元的タスクラベルを復元する推論アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-21T13:27:03Z)

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。