Fugu-MT 論文翻訳(概要): Automata Techniques for Temporal Answer Set Programming

論文の概要: Automata Techniques for Temporal Answer Set Programming

arxiv url: http://arxiv.org/abs/2109.08279v1
Date: Fri, 17 Sep 2021 01:43:31 GMT
ステータス: 処理完了
システム内更新日: 2021-09-20 14:31:49.260138
Title: Automata Techniques for Temporal Answer Set Programming
Title（参考訳）: テンポラルアンサーセットプログラミングのためのオートマタ技術
Authors: Susana Hahn
Abstract要約: ASP(Answer Set Programming)の時間的および動的拡張は、動的な問題に対処する上で重要な役割を果たす。私は、自動理論と動的論理の関係を利用して、ASPソルバClingOにオートマトンベースの技術を追加するつもりです。
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: Temporal and dynamic extensions of Answer Set Programming (ASP) have played an important role in addressing dynamic problems, as they allow the use of temporal operators to reason with dynamic scenarios in a very effective way. In my Ph.D. research, I intend to exploit the relationship between automata theory and dynamic logic to add automata-based techniques to the ASP solver CLINGO helping us to deal with theses type of problems.
Abstract（参考訳）: 解集合プログラミング(asp)の時間的および動的拡張は動的問題に対処する上で重要な役割を果たす。私のPh.D.研究では、オートマタ理論と動的論理の関係を利用して、ASPソルバClingOにオートマタベースの技術を加えることで、この種の問題に対処します。

関連論文リスト

Asynchronous Tool Usage for Real-Time Agents [61.3041983544042]
並列処理とリアルタイムツール利用が可能な非同期AIエージェントを導入する。私たちの重要な貢献は、エージェントの実行とプロンプトのためのイベント駆動有限状態マシンアーキテクチャです。この研究は、流体とマルチタスクの相互作用が可能なAIエージェントを作成するための概念的なフレームワークと実践的なツールの両方を提示している。
論文参考訳（メタデータ） (2024-10-28T23:57:19Z)
Sparse Diffusion Policy: A Sparse, Reusable, and Flexible Policy for Robot Learning [61.294110816231886]
我々はスパース・リユース・フレキシブル・ポリシー、スパース・ディフュージョン・ポリシー(SDP)を導入する。 SDPは、エキスパートとスキルを選択的に活性化し、モデル全体をトレーニングすることなく、効率的でタスク固有の学習を可能にする。デモとコードはhttps://forrest-110.io/sparse_diffusion_policy/にある。
論文参考訳（メタデータ） (2024-07-01T17:59:56Z)
Efficient Orchestrated AI Workflows Execution on Scale-out Spatial Architecture [17.516934379812994]
さまざまなタスクをロジック駆動型決定と統合し、動的で洗練されたAIを提供する。我々は,オーケストレーションされた空間グラフを用いて,オーケストレーションされたAIの本質的なデュアルダイナミクスを効果的に表現できることを見出した。我々の評価は、オーケストレーションAIの動的な要求に対処する上で、従来のアーキテクチャよりも大幅に優れていることを示している。
論文参考訳（メタデータ） (2024-05-21T14:09:31Z)
AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
AutoActはQAのための自動エージェント学習フレームワークである。大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
論文参考訳（メタデータ） (2024-01-10T16:57:24Z)
ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
LLM(Large Language Models)は、人間のような知性を持つ言語である。本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
論文参考訳（メタデータ） (2023-11-02T14:32:16Z)
AutoML-GPT: Automatic Machine Learning with GPT [74.30699827690596]
本稿では,タスク指向のプロンプトを開発し,大規模言語モデル(LLM)を自動的に活用して学習パイプラインを自動化することを提案する。本稿では,多様なAIモデルのブリッジとしてGPTを用いたAutoML-GPTを提案する。このアプローチはコンピュータビジョン、自然言語処理、その他の課題領域において顕著な結果をもたらす。
論文参考訳（メタデータ） (2023-05-04T02:09:43Z)
AutoDOViz: Human-Centered Automation for Decision Optimization [20.114066563594125]
本稿では、強化学習(RL)を用いた自動意思決定最適化(AutoDO)のための対話型ユーザインタフェースAutoDOVizを提案する。我々は,DO実践者とビジネスコンサルタントとの半構造化専門家インタビューから得られた知見を報告する。
論文参考訳（メタデータ） (2023-02-19T23:06:19Z)
Automata for dynamic answer set solving: Preliminary report [0.0]
本稿では,動的論理から言語構造を記述したAnswer Set Programming(ASP)の拡張で表現される時間的制約を実装する方法について検討する。その考え方は、動的制約を、元の制約の満足度を強制する論理プログラムの言葉で表現されたオートマトンに変換することである。
論文参考訳（メタデータ） (2021-09-04T03:58:12Z)
COCOI: Contact-aware Online Context Inference for Generalizable Non-planar Pushing [87.7257446869134]
一般的なコンタクトリッチな操作問題は、ロボット工学における長年の課題である。深層強化学習は、ロボット操作タスクの解決に大きな可能性を示している。動的プロパティのコンテキスト埋め込みをオンラインにエンコードする深層RL法であるCOCOIを提案する。
論文参考訳（メタデータ） (2020-11-23T08:20:21Z)
Implementing Dynamic Answer Set Programming [0.0]
動的論理式を時間論理プログラムに変換する。動的論理式を時間論理プログラムに還元することで、両方のアプローチでASPを一様に拡張できます。
論文参考訳（メタデータ） (2020-02-17T12:34:14Z)

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。