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
- On the Multi-turn Instruction Following for Conversational Web Agents [83.51251174629084]
本稿では,ユーザと環境の両方で複数回にまたがる高度なインタラクションを必要とする,対話型Webナビゲーションの新たなタスクを紹介する。
本稿では,メモリ利用と自己回帰技術を用いた自己反射型メモリ拡張計画(Self-MAP)を提案する。
論文 参考訳(メタデータ) (2024-02-23T02:18:12Z) - AUTOACT: Automatic Agent Learning from Scratch via Self-Planning [56.81725335882185]
AutoActは、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軌跡に依存しない自動エージェント学習フレームワークである。
我々は異なるLLMを用いて総合的な実験を行い、AutoActは様々な強力なベースラインと比較して優れた性能または並列性能が得られることを示した。
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) - Pessimism meets VCG: Learning Dynamic Mechanism Design via Offline
Reinforcement Learning [114.36124979578896]
オフライン強化学習アルゴリズムを用いて動的メカニズムを設計する。
我々のアルゴリズムは悲観主義の原理に基づいており、オフラインデータセットのカバレッジについて軽度な仮定しか必要としない。
論文 参考訳(メタデータ) (2022-05-05T05:44:26Z) - 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) - Manipulation of Articulated Objects using Dual-arm Robots via Answer Set
Programming [10.316694915810947]
調音物体の操作はロボティクスにおいて最も重要なものであり、最も複雑な操作の1つと見なすことができる。
従来、この問題は、柔軟性と移植性に欠けるアドホックなアプローチによって対処されてきた。
本稿では,ロボット制御アーキテクチャにおける調音オブジェクトの自動操作のための解答セットプログラミング(ASP)に基づくフレームワークを提案する。
論文 参考訳(メタデータ) (2020-10-02T18:50:39Z) - Train Scheduling with Hybrid Answer Set Programming [1.4823899140444556]
ASP(Answer Set Programming)に基づく実世界の列車スケジューリング問題の解法を提案する。
要求される計画とスケジューリングの問題に対処するために、ハイブリッドASPシステムclingo[DL]がどのように使用できるのかを例に示す。
論文 参考訳(メタデータ) (2020-03-19T06:50:04Z) - 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。
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。