Fugu-MT 論文翻訳(概要): Parallel Constraint-Driven Inductive Logic Programming

論文の概要: Parallel Constraint-Driven Inductive Logic Programming

arxiv url: http://arxiv.org/abs/2109.07132v1
Date: Wed, 15 Sep 2021 07:34:31 GMT
ステータス: 処理完了
システム内更新日: 2021-09-17 01:19:23.335134
Title: Parallel Constraint-Driven Inductive Logic Programming
Title（参考訳）: 並列制約駆動帰納論理プログラミング
Authors: Andrew Cropper, Oghenejokpeme Orhobor, Cristian Dinu, Rolf Morel
Abstract要約: 帰納的論理プログラミング(ILP)アプローチでは、単一のコアしか使用せず、スケーラビリティを著しく制限する。我々は制約駆動型ILPに基づく並列手法を導入し、仮説空間を制限するために制約を蓄積することを目的とする。 2つの領域(プログラミング合成と帰納的汎用ゲームプレイ)に関する実験により、(i)並列化は学習時間を著しく短縮し、(ii)労働者のコミュニケーション(つまり、制約を共有する)が優れたパフォーマンスに重要であることが示された。
参考スコア（独自算出の注目度）: 18.581514902689346
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Multi-core machines are ubiquitous. However, most inductive logic programming (ILP) approaches use only a single core, which severely limits their scalability. To address this limitation, we introduce parallel techniques based on constraint-driven ILP where the goal is to accumulate constraints to restrict the hypothesis space. Our experiments on two domains (program synthesis and inductive general game playing) show that (i) parallelisation can substantially reduce learning times, and (ii) worker communication (i.e. sharing constraints) is important for good performance.
Abstract（参考訳）: マルチコアマシンはユビキタスです。しかし、ほとんどのインダクティブ論理プログラミング(ILP)アプローチは単一のコアしか使用せず、スケーラビリティを著しく制限している。この制限に対処するため,制約駆動型ILPに基づく並列手法を導入し,その目的は仮説空間を制限するために制約を蓄積することである。 2つの領域(プログラム合成と帰納的汎用ゲームプレイ)に関する実験は、そのことを示す。 i) 並列化は学習時間を著しく短縮し、 (ii) 労働者のコミュニケーション(すなわち制約を共有する)は、優れたパフォーマンスのために重要である。

関連論文リスト

Learning Valid Dual Bounds in Constraint Programming: Boosted Lagrangian Decomposition with Self-Supervised Learning [2.8425837800129696]
ラグランジアン分解(LD)は、制約付き最適化問題に対して二重境界を与える緩和法である。この研究は、制約プログラミングにおいて有効な双対境界を学習するための最初の一般的な方法を示す。
論文参考訳（メタデータ） (2024-08-22T19:26:29Z)
Multitask Kernel-based Learning with Logic Constraints [13.70920563542248]
本稿では,タスク関数の集合間の論理制約をカーネルマシンに組み込む枠組みを提案する。特徴空間上の複数の一意述語をカーネルマシンで学習するマルチタスク学習方式を検討する。一般的なアプローチでは、論理節を連続的な実装に変換し、カーネルベースの述語によって計算された出力を処理する。
論文参考訳（メタデータ） (2024-02-16T12:11:34Z)
Multitask Kernel-based Learning with First-Order Logic Constraints [13.70920563542248]
オブジェクトの集合上で定義された複数の述語を例から共用的に学習するマルチタスク学習方式を考える。 FOL節をカーネルベースの述語によって計算された出力に対処できる連続的な実装に変換するための一般的なアプローチが提示される。
論文参考訳（メタデータ） (2023-11-06T18:44:55Z)
An Extensible Plug-and-Play Method for Multi-Aspect Controllable Text Generation [70.77243918587321]
複数の側面で生成されたテキストを制御するマルチアスペクト制御可能なテキスト生成が注目されている。干渉に対する理論的な下界を提供し、プレフィックスが挿入される層の数に応じて干渉が増加することを経験的に見出した。トレーニング可能なゲートを用いてプレフィックスの介入を正規化し、増大する干渉を抑制することを提案する。
論文参考訳（メタデータ） (2022-12-19T11:53:59Z)
Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
論文参考訳（メタデータ） (2022-11-16T18:59:54Z)
Efficient Knowledge Compilation Beyond Weighted Model Counting [7.828647825246474]
このような問題に対する一般的なフレームワークとして,第2レベル代数モデルカウント (2AMC) を導入している。 KC(Knowledge Compilation)に基づく第1レベルのテクニックは、変数順序制約を課すことで、特定の2AMCインスタンスに適応している。 2AMC問題の論理構造を利用して、これらの制約の一部を省略し、負の効果を制限できることが示される。
論文参考訳（メタデータ） (2022-05-16T08:10:40Z)
Constrained Machine Learning: The Bagel Framework [5.945320097465419]
制約付き機械学習問題は、学習したモデルが正確で、制約を尊重しなければならない問題である。本研究の目的は,制約付き機械学習問題のモデリング能力を最適化から組み込むことで拡張することである。機械学習には特定の要件があるため、仮説の空間を分割する拡張テーブル制約も提案する。
論文参考訳（メタデータ） (2021-12-02T10:10:20Z)
Constrained Learning with Non-Convex Losses [119.8736858597118]
学習は現代の情報処理の中核技術になっているが、バイアス、安全でない、偏見のあるソリューションにつながるという証拠はたくさんある。
論文参考訳（メタデータ） (2021-03-08T23:10:33Z)
Fast and Complete: Enabling Complete Neural Network Verification with Rapid and Massively Parallel Incomplete Verifiers [112.23981192818721]
BaB プロセス中に線形計画法 (LP) を置き換えるために, 逆モード線形緩和に基づく解析法 (LiRPA) を提案する。 LPとは異なり、LiRPAを適用すると、より弱い境界が得られ、分割時にサブドメインのコンフリクトをチェックすることもできない。既存のLPベースのアプローチと比較して、桁違いのスピードアップを示す。
論文参考訳（メタデータ） (2020-11-27T16:42:12Z)
An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
データから制約をマイニングするための一般的なフレームワークを提案する。特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
論文参考訳（メタデータ） (2020-06-18T20:09:53Z)
Lagrangian Duality for Constrained Deep Learning [51.2216183850835]
本稿では,複雑な制約を特徴とする学習アプリケーションにおけるラグランジアン双対性の可能性について検討する。エネルギー領域において、ラグランジアン双対性とディープラーニングの組み合わせは、最先端の結果を得るために用いられる。翻訳計算において、ラグランジュ双対性は、予測子に単調性制約を課すためにディープラーニングを補完することができる。
論文参考訳（メタデータ） (2020-01-26T03:38:43Z)

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。