論文の概要: Belief Revision in Sentential Decision Diagrams

• arxiv url: http://arxiv.org/abs/2201.08112v1
• Date: Thu, 20 Jan 2022 11:01:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-21 20:40:04.534564
• Title: Belief Revision in Sentential Decision Diagrams
• Title（参考訳）: 感性決定図における信念の改訂
• Authors: Lilith Mattei and Alessandro Facchini and Alessandro Antonucci
• Abstract要約: 本研究では,Dalリビジョンの構文的特徴化に基づくSDDの一般的なリビジョンアルゴリズムを開発する。 ランダムに生成した知識ベースを用いた予備実験は、SDDフォーマリズム内で直接リビジョンを行う利点を示している。
• 参考スコア（独自算出の注目度）: 126.94029917018733
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Belief revision is the task of modifying a knowledge base when new information becomes available, while also respecting a number of desirable properties. Classical belief revision schemes have been already specialised to \emph{binary decision diagrams} (BDDs), the classical formalism to compactly represent propositional knowledge. These results also apply to \emph{ordered} BDDs (OBDDs), a special class of BDDs, designed to guarantee canonicity. Yet, those revisions cannot be applied to \emph{sentential decision diagrams} (SDDs), a typically more compact but still canonical class of Boolean circuits, which generalizes OBDDs, while not being a subclass of BDDs. Here we fill this gap by deriving a general revision algorithm for SDDs based on a syntactic characterisation of Dalal revision. A specialised procedure for DNFs is also presented. Preliminary experiments performed with randomly generated knowledge bases show the advantages of directly perform revision within SDD formalism.
• Abstract（参考訳）: 信念修正は、新しい情報が利用可能になったときに知識ベースを変更し、また多くの望ましい特性を尊重するタスクである。 古典的信念修正スキームは、命題的知識をコンパクトに表現する古典的形式主義である \emph{binary decision diagrams} (BDDs) に既に特化されている。 これらの結果は、標準性を保証するように設計されたBDDの特別なクラスである \emph{ordered} BDDs (OBDDs) にも適用される。 しかし、これらのリビジョンは、BDDのサブクラスではないが、OBDDを一般化するブール回路の典型的にはコンパクトだが、なお標準クラスである 'emph{sentential decision diagrams} (SDDs) には適用できない。 本稿では,このギャップを埋めるために,ダラルリビジョンの構文的特徴付けに基づくsdsの汎用リビジョンアルゴリズムを導出する。 DNFの特殊な手順も提示する。 ランダムに生成した知識ベースを用いた予備実験は、SDD形式内で直接リビジョンを行う利点を示している。

関連論文リスト

• Dataset Distillation from First Principles: Integrating Core Information Extraction and Purposeful Learning [10.116674195405126]
  我々は、基礎となる最適化問題の正確な特徴付けは、関心の応用に関連する推論タスクを指定しなければならないと論じる。 我々の形式化は、様々なモデリング環境にまたがるDDの新たな応用を明らかにします。 現代の環境において重要な2つのケーススタディについて数値的な結果を示す。
  論文  参考訳（メタデータ） (2024-09-02T18:11:15Z)
• Outdated Issue Aware Decoding for Reasoning Questions on Edited Knowledge [93.54427119091174]
  本稿では,従来のISsueを意識した復号化手法を提案する。 元のモデルと編集されたモデルとの確率分布の差を捉える。 我々は、古くなった問題を緩和するために、編集されたモデルにおけるトークン予測の違いを増幅する。
  論文  参考訳（メタデータ） (2024-06-05T03:00:15Z)
• Canonical Decision Diagrams Modulo Theories [0.19285000127136376]
  決定図は命題公式を表現する強力なツールである。 いくつかの形式(例えば OBDD や SDD など)は標準的であり、(原子リスト上の与えられた条件の下では)公式の同値類を単項的に表す。 DDをSMTレベルに活用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-25T09:34:49Z)
• Exploiting Asymmetry in Logic Puzzles: Using ZDDs for Symbolic Model Checking Dynamic Epistemic Logic [0.0]
  我々は、動的疫学論理で使用されるクリプキモデルを象徴的に符号化するためにZDDを使用する。 BDDを適切なZDDに置き換えることで、メモリ使用量を大幅に削減できることを示す。 これはZDDがマルチエージェントシステムのモデル検査に有用なツールであることを示唆している。
  論文  参考訳（メタデータ） (2023-07-11T07:13:09Z)
• Optimal Decision Diagrams for Classification [68.72078059880018]
  数学的プログラミングの観点から最適決定図の学習について検討する。 本稿では,新しい混合整数線形プログラミングモデルを提案する。 このモデルは、公正性、同義性、安定性の概念に対してどのように容易に拡張できるかを示す。
  論文  参考訳（メタデータ） (2022-05-28T18:31:23Z)
• Generalizable Person Re-Identification via Self-Supervised Batch Norm Test-Time Adaption [63.7424680360004]
  Batch Norm Test-time Adaption (BNTA)は、BNパラメータを適応的に更新するための自己教師型戦略を適用する、新しいre-idフレームワークである。 BNTAは、推論前にラベル付けされていないターゲットデータ内のドメイン認識情報を探索し、BNによって正規化された特徴分布を変調してターゲットドメインに適応させる。
  論文  参考訳（メタデータ） (2022-03-01T18:46:32Z)
• Relieving Long-tailed Instance Segmentation via Pairwise Class Balance [85.53585498649252]
  長い尾のインスタンスセグメンテーションは、クラス間のトレーニングサンプルの極端な不均衡のために難しいタスクである。 尾のついたものに対して、(大多数のサンプルを含む)ヘッドクラスの深刻なバイアスを引き起こす。 そこで本研究では,学習中の予測嗜好を蓄積するために,学習中に更新される混乱行列上に構築された新しいPairwise Class Balance(PCB)手法を提案する。
  論文  参考訳（メタデータ） (2022-01-08T07:48:36Z)
• Variable Shift SDD: A More Succinct Sentential Decision Diagram [10.91026094237478]
  Sentential Decision Diagram (SDD) はブール関数の抽出可能な表現である。 可変シフトSDD(VS-SDD)という,より簡潔なSDD変種を提案する。 我々は,VS-SDDがSDDよりも大きくなることはなく,VS-SDDのサイズがSDDよりも指数関数的に小さいケースがあることを示した。
  論文  参考訳（メタデータ） (2020-04-06T09:18:19Z)
• Simple and Effective Prevention of Mode Collapse in Deep One-Class Classification [93.2334223970488]
  深部SVDDにおける超球崩壊を防止するための2つの正則化器を提案する。 第1の正則化器は、標準のクロスエントロピー損失によるランダムノイズの注入に基づいている。 第2の正規化器は、小さすぎるとミニバッチ分散をペナライズする。
  論文  参考訳（メタデータ） (2020-01-24T03:44:47Z)

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。