論文の概要: On syntactically similar logic programs and sequential decompositions

• arxiv url: http://arxiv.org/abs/2109.05300v1
• Date: Sat, 11 Sep 2021 15:22:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-14 15:28:16.381168
• Title: On syntactically similar logic programs and sequential decompositions
• Title（参考訳）: 構文的類似論理プログラムと逐次分解について
• Authors: Christian Antic
• Abstract要約: ルールベースの推論は、論理プログラムを通じて人工知能研究において顕著に形式化された人間の知能の重要な部分である。 一段階の削減によって、異なるドメインにわたるクエリに、どのように類似性を使って答えることができるかを示す。 この論文は、1985年にRichard O. Keefeによって初めて構想された論理プログラムの代数へのさらなるステップであり、類推論への応用である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rule-based reasoning is an essential part of human intelligence prominently formalized in artificial intelligence research via logic programs. Describing complex objects as the composition of elementary ones is a common strategy in computer science and science in general. The author has recently introduced the sequential composition of logic programs in the context of logic-based analogical reasoning and learning in logic programming. Motivated by these applications, in this paper we construct a qualitative and algebraic notion of syntactic logic program similarity from sequential decompositions of programs. We then show how similarity can be used to answer queries across different domains via a one-step reduction. In a broader sense, this paper is a further step towards an algebra of logic programs first envisioned by Richard O. Keefe in 1985 with applications to analogical reasoning.
• Abstract（参考訳）: ルールベースの推論は、論理プログラムを通じて人工知能研究において顕著に形式化された人間の知能の重要な部分である。 複雑なオブジェクトを初等的なオブジェクトの合成として記述することは、コンピュータ科学および科学全般において共通の戦略である。 著者らは最近、論理プログラミングにおけるアナログ推論と学習の文脈において、論理プログラムの逐次合成を導入した。 本稿では,これらの応用に動機づけられ,プログラムの逐次分解による構文論理プログラムの類似性に関する定性的・代数的概念を構築する。 次に、一段階の還元により、異なるドメインにわたるクエリにどのように類似性を使って答えるかを示す。 より広い意味では、1985年にRichard O. Keefeによって考えられた論理プログラムの代数へのさらなるステップであり、類推論への応用である。

関連論文リスト

• LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
  LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。 ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。 これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
  論文  参考訳（メタデータ） (2023-09-24T05:43:19Z)
• When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
  本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。 具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。 コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
  論文  参考訳（メタデータ） (2023-08-29T17:22:39Z)
• Modeling Hierarchical Reasoning Chains by Linking Discourse Units and Key Phrases for Reading Comprehension [80.99865844249106]
  本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。 具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
  論文  参考訳（メタデータ） (2023-06-21T07:34:27Z)
• Argumentative Characterizations of (Extended) Disjunctive Logic Programs [2.055949720959582]
  仮定に基づく議論は、通常の論理プログラムだけでなく、解法論理プログラムとその拡張も表現できることを示す。 議論フレームワークの中核となるロジックが尊重すべき解離の推論ルールについて考察する。
  論文  参考訳（メタデータ） (2023-06-12T14:01:38Z)
• The Transformation Logics [58.35574640378678]
  表現性と複雑性のトレードオフのバランスをとるために設計された、時間論理の新しいファミリーを導入する。 重要な特徴は、変換演算子と呼ばれる新しい種類の演算子を定義する可能性である。 表現力と複雑性を増大させる階層を創り出すことができる論理を提示する。
  論文  参考訳（メタデータ） (2023-04-19T13:24:04Z)
• Sequential decomposition of propositional logic programs [0.0]
  本稿では,プログラム間のグリーンの関係を研究することによって,プログラムの逐次分解について検討する。 より広い意味では、この論文は論理プログラミングの代数的理論へのさらなる一歩である。
  論文  参考訳（メタデータ） (2023-02-21T16:14:57Z)
• Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
  パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文) 論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。 ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
  論文  参考訳（メタデータ） (2022-07-04T14:38:49Z)
• GALOIS: Boosting Deep Reinforcement Learning via Generalizable Logic Synthesis [34.54658276390227]
  深層強化学習(DRL)は複雑な問題における学習と一般化に関する高次知能を欠いている。 従来の研究は、論理駆動の振る舞いを示すDRLポリシーとして、ホワイトボックス論理プログラムを直接合成しようと試みていた。 本稿では,階層的かつ厳密な因果論理プログラムを合成するためのGALOIS(Generalizable Logic Synthesis)フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-27T02:50:13Z)
• 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)
• Higher-order Logic as Lingua Franca -- Integrating Argumentative Discourse and Deep Logical Analysis [0.0]
  本稿では,議論的言説の深い多元論的論理解析へのアプローチを提案する。 我々は古典的な高階論理に最先端の自動推論技術を用いる。
  論文  参考訳（メタデータ） (2020-07-02T11:07:53Z)

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。

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。