論文の概要: Towards Reformulating Essence Specifications for Robustness
- arxiv url: http://arxiv.org/abs/2111.00821v1
- Date: Mon, 1 Nov 2021 10:51:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-02 23:47:04.089381
- Title: Towards Reformulating Essence Specifications for Robustness
- Title（参考訳）: ロバストネスのためのエッセンス仕様の改訂に向けて
- Authors: \"Ozg\"ur Akg\"un, Alan M. Frisch, Ian P. Gent, Christopher Jefferson,
Ian Miguel, Peter Nightingale, Andr\'as Z. Salamon
- Abstract要約: エッセンス(Essence)は、ある問題を特定する多くの等価な方法があるリッチ言語である。
ユーザーはドメイン属性や抽象型の使用を省略し、適用可能な精細化ルールを減らすことができる。
本稿では、出力制約モデルのロバスト性を高めるために、この情報を自動的に復元する問題に対処する。
- 参考スコア（独自算出の注目度）: 6.497578221372429
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The Essence language allows a user to specify a constraint problem at a level
of abstraction above that at which constraint modelling decisions are made.
Essence specifications are refined into constraint models using the Conjure
automated modelling tool, which employs a suite of refinement rules. However,
Essence is a rich language in which there are many equivalent ways to specify a
given problem. A user may therefore omit the use of domain attributes or
abstract types, resulting in fewer refinement rules being applicable and
therefore a reduced set of output models from which to select. This paper
addresses the problem of recovering this information automatically to increase
the robustness of the quality of the output constraint models in the face of
variation in the input Essence specification. We present reformulation rules
that can change the type of a decision variable or add attributes that shrink
its domain. We demonstrate the efficacy of this approach in terms of the
quantity and quality of models Conjure can produce from the transformed
specification compared with the original.
- Abstract（参考訳）: Essence言語は、ユーザが制約モデリング決定を行う上で上の抽象レベルで制約問題を指定することを可能にする。
エッセンス仕様は、一連のリファインメントルールを使用するConjure自動モデリングツールを使用して制約モデルに洗練される。
しかし本質は、与えられた問題を特定するための多くの等価な方法があるリッチ言語である。
したがって、ユーザーはドメイン属性や抽象型の使用を省略できるため、適用可能な洗練されたルールが少なくなり、選択する出力モデルのセットが削減される。
本稿では,入力エッセンス仕様の変動に直面した出力制約モデルの品質のロバスト性を高めるために,この情報を自動回復する問題に対処する。
我々は、決定変数の型を変更したり、ドメインを縮小する属性を追加することができる改革ルールを提示します。
本手法の有効性を,変換仕様から生成できるモデルの量と品質の観点から示す。
関連論文リスト
- Automating Reformulation of Essence Specifications via Graph Rewriting [0.47928510661698703]
本稿では,グラフ書き換えを用いて入力モデルを再構成し,自動的な性能向上を実現するシステムを提案する。
グラフプログラム2言語で表現された書き直し規則によってシステムを実装する。
本稿では,修正問題の解を元の問題の解に自動的に変換し,検証と提示を行う方法について述べる。
論文 参考訳（メタデータ） (2024-11-14T16:35:15Z) - Athanor: Local Search over Abstract Constraint Specifications [2.3383199519492455]
本稿では,制約モデルとして受け入れる汎用ローカルサーチソルバに着目した。
ここで説明するAthanorソルバは、抽象制約仕様言語Essenceにおける問題の仕様から始まります。
論文 参考訳（メタデータ） (2024-10-08T11:41:38Z) - Automatic Feature Learning for Essence: a Case Study on Car Sequencing [1.006631010704608]
問題インスタンスに最適な組み合わせを自動的に選択するために、機械学習モデルを構築するタスクについて検討する。
学習プロセスの重要な部分は、選択モデルへの入力として機能するインスタンス機能を定義することである。
私たちの貢献は、言語モデルを用いた問題インスタンスの高レベル表現から直接、インスタンス機能の自動学習です。
論文 参考訳（メタデータ） (2024-09-23T16:06:44Z) - On Regularization and Inference with Label Constraints [62.60903248392479]
機械学習パイプラインにおけるラベル制約を符号化するための2つの戦略、制約付き正規化、制約付き推論を比較した。
正規化については、制約に不整合なモデルを前置することで一般化ギャップを狭めることを示す。
制約付き推論では、モデルの違反を訂正することで人口リスクを低減し、それによってその違反を有利にすることを示す。
論文 参考訳（メタデータ） (2023-07-08T03:39:22Z) - CARE: Coherent Actionable Recourse based on Sound Counterfactual
Explanations [0.0]
本稿では,モデルおよびユーザレベルのデシダータに対処するモジュール型説明フレームワークであるCAREを紹介する。
モデルに依存しないアプローチとして、CAREはブラックボックスモデルに対して複数の多様な説明を生成する。
論文 参考訳（メタデータ） (2021-08-18T15:26:59Z) - Sufficiently Accurate Model Learning for Planning [119.80502738709937]
本稿では,制約付きSufficiently Accurateモデル学習手法を提案する。
これはそのような問題の例を示し、いくつかの近似解がいかに近いかという定理を提示する。
近似解の質は、関数のパラメータ化、損失と制約関数の滑らかさ、モデル学習におけるサンプルの数に依存する。
論文 参考訳（メタデータ） (2021-02-11T16:27:31Z) - DirectDebug: Automated Testing and Debugging of Feature Models [55.41644538483948]
変数モデル(例えば、特徴モデル)は、ソフトウェアアーティファクトの変数と共通性を表現する一般的な方法である。
複雑でしばしば大規模な機能モデルは欠陥になりうる、すなわち、ソフトウェアアーチファクトの期待される変動特性を表現しない。
論文 参考訳（メタデータ） (2021-02-11T11:22:20Z) - Towards Portfolios of Streamlined Constraint Models: A Case Study with
the Balanced Academic Curriculum Problem [1.8466814193413488]
本稿では,問題クラスの抽象的エッセンス仕様に含まれる型から導かれる,ストリームライナー制約の自動追加に焦点をあてる。
合理化されたEssence仕様を制約モデルに洗練することで、多数のモデル選択が生まれる。
各種のレースは、訓練の計算コストを抑えるために使用される。
論文 参考訳（メタデータ） (2020-09-21T19:48:02Z) - Rewriting a Deep Generative Model [56.91974064348137]
我々は,深層生成モデルによって符号化された特定の規則の操作という,新たな問題設定を導入する。
本稿では,ディープネットワークの層を線形連想メモリとして操作することで,所望のルールを変更する定式化を提案する。
本稿では,生成モデルのルールを対話的に変更し,望ましい効果を得られるユーザインタフェースを提案する。
論文 参考訳（メタデータ） (2020-07-30T17:58:16Z) - Interpretable Entity Representations through Large-Scale Typing [61.4277527871572]
本稿では,人間の読みやすいエンティティ表現を作成し,箱から高パフォーマンスを実現する手法を提案する。
我々の表現は、微粒な実体型に対する後続確率に対応するベクトルである。
特定のドメインに対して,学習に基づく方法で,型セットのサイズを縮小できることを示す。
論文 参考訳（メタデータ） (2020-04-30T23:58:03Z) - Attribute-based Regularization of Latent Spaces for Variational
Auto-Encoders [79.68916470119743]
本稿では,変分オートエンコーダ(VAE)の潜時空間を,連続値の異なる属性を明示的に符号化する新しい手法を提案する。
これは属性の正規化損失を使用して、属性値と属性が符号化される次元の潜在符号との単調な関係を強制する。
論文 参考訳（メタデータ） (2020-04-11T20:53:13Z)
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。