論文の概要: How to Split a Logic Program

• arxiv url: http://arxiv.org/abs/2109.08284v1
• Date: Fri, 17 Sep 2021 01:45:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 05:14:35.087265
• Title: How to Split a Logic Program
• Title（参考訳）: 論理プログラムを分割する方法
• Authors: Rachel Ben-Eliyahu-Zohary (Azrieli College of Engineering, Jerusalem, Israel)
• Abstract要約: Answer Set Programming (ASP)は、様々な現実世界のアプリケーションを解決する方法として成功している。 解答セットの高速化は、プログラムを2つの解離部分(下と上)に分割することができれば達成できる。 ヘッドサイクルフリープログラムの場合、分割集合の定義を調整して、より広範なプログラムの分割を可能にすることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Answer Set Programming (ASP) is a successful method for solving a range of real-world applications. Despite the availability of fast ASP solvers, computing answer sets demands a very large computational power, since the problem tackled is in the second level of the polynomial hierarchy. A speed-up in answer set computation may be attained, if the program can be split into two disjoint parts, bottom and top. Thus, the bottom part is evaluated independently of the top part, and the results of the bottom part evaluation are used to simplify the top part. Lifschitz and Turner have introduced the concept of a splitting set, i.e., a set of atoms that defines the splitting. In this paper, We show that the problem of computing a splitting set with some desirable properties can be reduced to a classic Search Problem and solved in polynomial time. This allows us to conduct experiments on the size of the splitting set in various programs and lead to an interesting discovery of a source of complication in stable model computation. We also show that for Head-Cycle-Free programs, the definition of splitting sets can be adjusted to allow splitting of a broader class of programs.
• Abstract（参考訳）: Answer Set Programming (ASP)は、様々な現実世界のアプリケーションを解決する方法として成功している。 高速ASPソルバが利用可能であるにもかかわらず、計算解集合は多項式階層の第二レベルにあるため、非常に大きな計算力を必要とする。 解集合計算の高速化は、プログラムを2つの解離部分(下と上)に分割することができれば達成できる。 これにより、トップ部とは独立してボトム部を評価し、ボトム部評価の結果を用いてトップ部を簡素化する。 リフシッツとターナーは分割集合、すなわち分裂を定義する原子の集合の概念を導入した。 本稿では,いくつかの望ましい性質を持つ分割集合を演算する問題を古典探索問題に還元し,多項式時間で解くことができることを示す。 これにより、様々なプログラムにおける分割集合のサイズに関する実験を行い、安定したモデル計算における複雑さの原因の興味深い発見につながる。 また,Head-Cycle-Freeプログラムでは,より広範なプログラムの分割を可能にする分割集合の定義を調整可能であることを示す。

関連論文リスト

• Runtime-coherence trade-offs for hybrid SAT-solvers [1.087459729391301]
  総ランタイムとコヒーレンスタイムの間には,単純なトレードオフ関係が存在する,と我々は主張する。 最適トレードオフを伴うハイブリッドアルゴリズムの実装において,さらなる柔軟性を示唆する数値シミュレーションを提案する。
  論文  参考訳（メタデータ） (2024-04-23T17:11:39Z)
• IASCAR: Incremental Answer Set Counting by Anytime Refinement [18.761758874408557]
  本稿では,CNFの知識コンパイルを前提として,サポート対象モデルを符号化する手法を提案する。 予備的な実証分析では,有望な結果を示す。
  論文  参考訳（メタデータ） (2023-11-13T10:53:48Z)
• Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
  本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。 最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。 シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
  論文  参考訳（メタデータ） (2023-10-05T07:10:40Z)
• A Divide-Align-Conquer Strategy for Program Synthesis [5.7426444823028335]
  本稿では,大規模プログラムの探索を複数の小さなプログラム合成問題に分割する例によって,構成セグメント化がプログラミングに応用可能であることを示す。 入力と出力における構成部品の構造的アライメントは、プログラム探索を導くのに使用されるペアワイズ対応に繋がる。
  論文  参考訳（メタデータ） (2023-01-08T19:10:55Z)
• I-SPLIT: Deep Network Interpretability for Split Computing [11.652957867167098]
  この研究は、分割コンピューティングの分野、すなわち、ディープニューラルネットワークを分割して、その初期部分を組み込みデバイスに、残りをサーバーにホストする方法において、大きな一歩を踏み出している。 我々は、レイヤーのアーキテクチャが重要であるだけでなく、それに含まれるニューロンの重要性も示している。
  論文  参考訳（メタデータ） (2022-09-23T14:26:56Z)
• COPS: Controlled Pruning Before Training Starts [68.8204255655161]
  最先端のディープニューラルネットワーク(DNN)プルーニング技術は、トレーニング開始前にワンショットで適用され、プルーニングスコアと呼ばれる単一の基準の助けを借りてスパースアーキテクチャを評価する。 この作業では、単一プルーニング基準に集中するのではなく、任意のGASを組み合わせてより強力なプルーニング戦略を構築するためのフレームワークを提供します。
  論文  参考訳（メタデータ） (2021-07-27T08:48:01Z)
• Poly-NL: Linear Complexity Non-local Layers with Polynomials [76.21832434001759]
  性能を損なわずに2次から線形に複雑性を低減できる新しい高速非局所ブロックを定式化する。 The proposed method, we dub that "Poly-NL" is competitive to state-of-the-art performance across image recognition, instance segmentation, and face detection task。
  論文  参考訳（メタデータ） (2021-07-06T19:51:37Z)
• Partition-based formulations for mixed-integer optimization of trained ReLU neural networks [66.88252321870085]
  本稿では,訓練されたReLUニューラルネットワークのための混合整数式について紹介する。 1つの極端な場合、入力毎に1つのパーティションがノードの凸殻、すなわち各ノードの最も厳密な可能な定式化を回復する。
  論文  参考訳（メタデータ） (2021-02-08T17:27:34Z)
• Resource Allocation in Multi-armed Bandit Exploration: Overcoming Sublinear Scaling with Adaptive Parallelism [107.48538091418412]
  腕の引っ張りに様々な量の資源を割り当てることができる分割可能な資源にアクセス可能な場合,マルチアームの帯状地における探索について検討する。 特に、分散コンピューティングリソースの割り当てに重点を置いており、プル毎により多くのリソースを割り当てることで、結果をより早く得ることができます。
  論文  参考訳（メタデータ） (2020-10-31T18:19:29Z)
• BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
  プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。 特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。 単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
  論文  参考訳（メタデータ） (2020-07-28T17:46:18Z)
• Exact MAP-Inference by Confining Combinatorial Search with LP Relaxation [19.660527989370646]
  我々は、その最適値に対する下界を自然に定義する緩和の族を提案する。 この族は常にゆるやかな緩和を含んでおり、我々はそれを見つけることができるアルゴリズムを与え、したがって、最初の非緩和NP-ハード問題を解く。 緩和を考えると、元の問題を2つの非重複部分(LP-tight 部分と難しい部分)に分解する。
  論文  参考訳（メタデータ） (2020-04-14T09:10:47Z)

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。