Fugu-MT 論文翻訳(概要): Learning Theorem Proving Components

論文の概要: Learning Theorem Proving Components

arxiv url: http://arxiv.org/abs/2107.10034v1
Date: Wed, 21 Jul 2021 12:00:05 GMT
ステータス: 処理完了
システム内更新日: 2021-07-22 18:16:42.963375
Title: Learning Theorem Proving Components
Title（参考訳）: 学習定理証明成分
Authors: Karel Chvalovsk\'y, Jan Jakub\r{u}v, Miroslav Ol\v{s}\'ak, Josef Urban
Abstract要約: 本稿では、前述した節の文脈における評価に基づいて、次の節を選択するグラフニューラルネットワーク(GNN)を提案する。本研究では、ENIGMAを用いたいくつかのアルゴリズムと実験について述べるとともに、節のグラフの重要な構成要素を学習することに基づく文脈評価の考え方を前進させる。
参考スコア（独自算出の注目度）: 1.138814184953183
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Saturation-style automated theorem provers (ATPs) based on the given clause procedure are today the strongest general reasoners for classical first-order logic. The clause selection heuristics in such systems are, however, often evaluating clauses in isolation, ignoring other clauses. This has changed recently by equipping the E/ENIGMA system with a graph neural network (GNN) that chooses the next given clause based on its evaluation in the context of previously selected clauses. In this work, we describe several algorithms and experiments with ENIGMA, advancing the idea of contextual evaluation based on learning important components of the graph of clauses.
Abstract（参考訳）: 与えられた節手続きに基づく飽和型自動定理プロバー(atp)は、古典一階述語論理の最も一般的な推論器である。しかしながら、そのようなシステムにおける節選択ヒューリスティックスは、しばしば独立した節を評価し、他の節を無視している。これは、最近E/ENIGMAシステムにグラフニューラルネットワーク(GNN)を装備し、前述した節の文脈での評価に基づいて次の節を選択することで変化している。本稿では,enigmaを用いたいくつかのアルゴリズムと実験について述べるとともに,節のグラフの重要な要素の学習に基づく文脈評価のアイデアを前進させる。

関連論文リスト

Benchmarking Defeasible Reasoning with Large Language Models -- Initial Experiments and Future Directions [0.36868085124383626]
本稿では,様々なデファシブルなルールベースの推論パターンに対応するベンチマークを提案する。我々は、デファシブルなルールを大規模言語モデルに適したテキストに変換することで、デファシブルな論理推論のための既存のベンチマークを修正した。そこで我々は,ChatGPTを用いた非単調な規則に基づく推論の予備実験を行い,デファジブル論理で定義された推論パターンと比較した。
論文参考訳（メタデータ） (2024-10-16T12:36:23Z)
SHINE: Saliency-aware HIerarchical NEgative Ranking for Compositional Temporal Grounding [52.98133831401225]
時間的グラウンドディング(英: Temporal grounding、ビデオモーメント検索(英語版))は、所定のクエリ文に対応するビデオセグメントを特定することを目的としている。本稿では, GPT-3.5-Turbo を用いた負のクエリ構築のための大規模言語モデル駆動手法を提案する。本稿では,ビデオと階層的負のクエリ間の多粒度意味的関係を学習するモデルを提案する。
論文参考訳（メタデータ） (2024-07-06T16:08:17Z)
Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
論文参考訳（メタデータ） (2023-11-06T16:40:13Z)
SAT-Based PAC Learning of Description Logic Concepts [18.851061569487616]
本稿では,記述の存在下で論理概念を学習するためのスキームとして有界フィッティングを提案する。本稿では,SATソルバをベースとした記述論理 $mathcalELHr$ のバウンドフィッティングを実装したシステム SPELL を提案し,その性能を最先端の学習者と比較する。
論文参考訳（メタデータ） (2023-05-15T10:20:31Z)
Probabilistic Planning with Prioritized Preferences over Temporal Logic Objectives [26.180359884973566]
マルコフ決定過程(MDP)をモデルとした確率的環境における時間的計画に関する研究本稿では,有限トレース上の線形時間論理を優先的に定性的選択する新しい仕様言語を提案する。ユーザの好みに応じて期待される不満のスコアを最小化する最適ポリシーを定式化し、解き明かす。
論文参考訳（メタデータ） (2023-04-23T13:03:27Z)
Sequence-to-Sequence Learning with Latent Neural Grammars [12.624691611049341]
ニューラルネットワークを用いたシーケンス対シーケンス学習は、シーケンス予測タスクのデファクトスタンダードとなっている。フレキシブルでパフォーマンスが高いが、これらのモデルはトレーニングのために大きなデータセットを必要とすることが多く、構成の一般化をテストするために設計されたベンチマークで驚くほど失敗することがある。この研究は、準同期文法を用いたシーケンシャル・ツー・シークエンス学習の代替的、階層的アプローチを探求する。
論文参考訳（メタデータ） (2021-09-02T17:58:08Z)
Structural Learning of Probabilistic Sentential Decision Diagrams under Partial Closed-World Assumption [127.439030701253]
確率感性決定図は構造化分解可能な回路のクラスである。本稿では,回路の論理的基盤を暗黙的に提供する部分閉世界仮定に基づく新しいスキームを提案する。予備実験では、提案手法がトレーニングデータに適切に適合し、基礎となる論理的基盤と整合性を維持した上で、テストデータによく適合することを示した。
論文参考訳（メタデータ） (2021-07-26T12:01:56Z)
LNN-EL: A Neuro-Symbolic Approach to Short-text Entity Linking [62.634516517844496]
本稿では,解釈可能なルールとニューラルネットワークの性能を併用したニューラルシンボリックアプローチであるLNN-ELを提案する。ルールの使用に制約があるにもかかわらず、LNN-ELはSotAのブラックボックスニューラルアプローチと競合する。
論文参考訳（メタデータ） (2021-06-17T20:22:45Z)
New Techniques that Improve ENIGMA-style Clause Selection Guidance [0.0]
飽和定理証明者における機械学習項選択指導の話題を再検討する。再帰ニューラルネットワークを使用して、その導出履歴と、自動的に供給される理論公理の有無に基づいて節を分類します。ネットワークによって導かれる自動定理の証明器のヴァンパイアはリアルタイム評価のSMT-LIBの関連したサブセットの41%の改善を達成します。
論文参考訳（メタデータ） (2021-02-26T16:13:45Z)
RNNLogic: Learning Logic Rules for Reasoning on Knowledge Graphs [91.71504177786792]
本稿では知識グラフに基づく推論のための論理規則の学習について研究する。論理規則は、予測に使用されるときに解釈可能な説明を提供するとともに、他のタスクに一般化することができる。既存の手法は、検索スペースの検索の問題や、スパース報酬による非効率な最適化に悩まされている。
論文参考訳（メタデータ） (2020-10-08T14:47:02Z)
Multi-Step Inference for Reasoning Over Paragraphs [95.91527524872832]
テキスト上の複雑な推論には、自由形式の述語と論理的な連結体を理解し、連鎖する必要がある。本稿では,ニューラルネットワークを連想させる構成モデルを提案する。
論文参考訳（メタデータ） (2020-04-06T21:12:53Z)

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。