論文の概要: A Brief History of Updates of Answer-Set Programs

• arxiv url: http://arxiv.org/abs/2112.13477v1
• Date: Mon, 27 Dec 2021 01:46:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-28 16:04:42.394132
• Title: A Brief History of Updates of Answer-Set Programs
• Title（参考訳）: answer-setプログラム更新の簡単な歴史
• Authors: Jo\~ao Leite, Martin Slota
• Abstract要約: 回答セットのプログラミング更新に関連する主なアプローチと結果について概説する。 このトピックで研究が直面した主な課題をいくつか指摘します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Over the last couple of decades, there has been a considerable effort devoted to the problem of updating logic programs under the stable model semantics (a.k.a. answer-set programs) or, in other words, the problem of characterising the result of bringing up-to-date a logic program when the world it describes changes. Whereas the state-of-the-art approaches are guided by the same basic intuitions and aspirations as belief updates in the context of classical logic, they build upon fundamentally different principles and methods, which have prevented a unifying framework that could embrace both belief and rule updates. In this paper, we will overview some of the main approaches and results related to answer-set programming updates, while pointing out some of the main challenges that research in this topic has faced.
• Abstract（参考訳）: 過去数十年にわたり、安定したモデルセマンティクス(すなわち、応答セットプログラム)の下で論理プログラムを更新するという問題や、言い換えれば、世界が変化を記述したときに論理プログラムを最新のものにするという結果を特徴付ける問題に、多くの努力が費やされてきた。 最先端のアプローチは、古典論理学の文脈における信念の更新と同じ基本的な直観と願望によって導かれるが、それらは根本的に異なる原則と方法に基づいて構築されており、信念とルールの更新の両方を取り入れ得る統一フレームワークを妨げている。 本稿では,本トピックにおける研究が直面した課題を指摘した上で,回答セットプログラミング更新に関する主なアプローチと結果について概説する。

関連論文リスト

• RM-PoT: Reformulating Mathematical Problems and Solving via Program of Thoughts [13.07180561863778]
  本稿では、問題修正(RM)、コード支援推論(PoT)、ドメイン認識による少ショット学習を統合した3段階のフレームワークを提案する。 提案手法はまず,入力問題を多種多様な表面形状に再構成し,構造バイアスを低減し,意味的に整合した5つの例を検索し,文脈的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2025-02-18T06:54:32Z)
• Causality can systematically address the monsters under the bench(marks) [64.36592889550431]
  ベンチマークはさまざまなバイアス、アーティファクト、リークに悩まされている。 モデルは、調査の不十分な障害モードのため、信頼できない振る舞いをする可能性がある。 因果関係はこれらの課題を体系的に解決するための 理想的な枠組みを提供します
  論文  参考訳（メタデータ） (2025-02-07T17:01:37Z)
• A Context-Enhanced Framework for Sequential Graph Reasoning [6.207627263146009]
  本稿では,様々なトレンド分野の基本課題であるグラフ構造化データに対する逐次推論について検討する。 既存のニューラルネットワークアーキテクチャを一般化し、コンテキスト強化フレームワークを提案する。 このフレームワークは既存の手法と効果的に統合でき、推論能力を高めることができる。
  論文  参考訳（メタデータ） (2024-12-12T08:27:51Z)
• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)とは、ノイズ、ぼかし、気象効果などの劣化を除去しながら、画像の視覚的品質を改善する過程である。 従来のIR手法は、一般的に特定の種類の劣化をターゲットとしており、複雑な歪みを伴う現実のシナリオにおいて、その効果を制限している。 オールインワン画像復元(AiOIR)パラダイムが登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• Boosting CNN-based Handwriting Recognition Systems with Learnable Relaxation Labeling [48.78361527873024]
  本稿では,2つの異なる手法の強みを組み込んだ手書き文字認識手法を提案する。 本稿では,アルゴリズムの収束を加速し,システム全体の性能を向上させるスペーシフィケーション手法を提案する。
  論文  参考訳（メタデータ） (2024-09-09T15:12:28Z)
• Learning Brave Assumption-Based Argumentation Frameworks via ASP [11.768331785549947]
  ABA(Assumption-based Argumentation)は、非単調な推論のための統一的な形式主義として提唱されている。 本稿では,背景知識と肯定的/否定的な事例から学習を自動化する問題に焦点をあてる。 本稿では,変換規則に基づく新しいアルゴリズム(ロートラーニング,フォールディング,アクセプション導入,Fact Subsumptionなど)とその実装について述べる。
  論文  参考訳（メタデータ） (2024-08-19T16:13:35Z)
• Retrieved In-Context Principles from Previous Mistakes [55.109234526031884]
  In-context Learning (ICL) は、入力出力の正しい例を用いて、下流のタスクにLarge Language Models (LLM) を適用するのに役立っている。 近年の進歩は、ミスから派生した原則により、モデルパフォーマンスの改善を試みている。 本稿では,新しい教師学習フレームワークであるRetrieved In-Context Principles (RICP)を提案する。
  論文  参考訳（メタデータ） (2024-07-08T07:32:26Z)
• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Towards CausalGPT: A Multi-Agent Approach for Faithful Knowledge Reasoning via Promoting Causal Consistency in LLMs [55.66353783572259]
  Causal-Consistency Chain-of-Thoughtは、基礎モデルの忠実さと因果性を強化するために、マルチエージェントコラボレーションを活用する。 我々のフレームワークは、広範囲かつ包括的な評価を通じて、最先端の手法よりも大きな優位性を示す。
  論文  参考訳（メタデータ） (2023-08-23T04:59:21Z)
• A multidomain relational framework to guide institutional AI research and adoption [0.0]
  我々は、AIを採用することの意味を理解することを目的とした研究努力が、ほんの一握りのアイデアだけを優先する傾向があると論じている。 本稿では,フィールド間の用語を整理する概念的枠組みとして,シンプルなポリシーと研究設計ツールを提案する。
  論文  参考訳（メタデータ） (2023-03-17T16:33:01Z)

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。