論文の概要: Weighted Programming
- arxiv url: http://arxiv.org/abs/2202.07577v1
- Date: Tue, 15 Feb 2022 17:06:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-27 17:39:27.241383
- Title: Weighted Programming
- Title(参考訳): 重み付きプログラミング
- Authors: Kevin Batz, Adrian Gallus, Benjamin Lucien Kaminski, Joost-Pieter
Katoen, Tobias Winkler
- Abstract要約: 数学モデルを特定するためのプログラミングパラダイムである重み付けプログラミングについて研究する。
パラダイムとしての重み付きプログラミングは、確率分布を超えた数学的モデルを特定するのに利用できると論じる。
- 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: We study weighted programming, a programming paradigm for specifying
mathematical models. More specifically, the weighted programs we investigate
are like usual imperative programs with two additional features: (1)
nondeterministic branching and (2) weighting execution traces. Weights can be
numbers but also other objects like words from an alphabet, polynomials, formal
power series, or cardinal numbers. We argue that weighted programming as a
paradigm can be used to specify mathematical models beyond probability
distributions (as is done in probabilistic programming).
We develop weakest-precondition- and weakest-liberal-precondition-style
calculi \`{a} la Dijkstra for reasoning about mathematical models specified by
weighted programs. We present several case studies. For instance, we use
weighted programming to model the ski rental problem - an optimization problem.
We model not only the optimization problem itself, but also the best
deterministic online algorithm for solving this problem as weighted programs.
By means of weakest-precondition-style reasoning, we can determine the
competitive ratio of the online algorithm on source code level.
- Abstract(参考訳): 数学モデルを特定するプログラミングパラダイムである重み付けプログラミングについて研究する。
具体的には、(1)非決定的分岐と(2)実行トレースの重み付けという2つの特徴を持つ通常の命令型プログラムと同様の重み付けプログラムについて述べる。
ウェイトは数であるだけでなく、アルファベット、多項式、形式的なパワー級数、または基数などの他の対象でもある。
重み付きプログラミングは(確率的プログラミングで行われているように)確率分布を超えた数学的モデルを定義するのに使うことができる。
重み付きプログラムで指定された数理モデルについて推論するために,最弱条件および最弱自由条件型計算系 \{a} la dijkstra を開発した。
ケーススタディをいくつか紹介する。
例えば、重み付けプログラミングを使ってスキーレンタル問題(最適化問題)をモデル化します。
我々は、最適化問題自体だけでなく、この問題を解決する最良の決定論的オンラインアルゴリズムを重み付けプログラムとしてモデル化する。
最も弱い前提条件の推論により、ソースコードレベルでオンラインアルゴリズムの競合比を決定することができる。
関連論文リスト
- Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている
SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。
この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
論文 参考訳(メタデータ) (2024-08-14T19:04:13Z) - Statistical investigations into the geometry and homology of random programs [0.2302001830524133]
本稿では,チャットGPTから生成したランダムなPythonプログラム間の関係を幾何学的・トポロジ的に記述する方法について述べる。
本稿では,ChatGPT-4とTinyLlamaを画像処理に関する簡単な問題で比較する。
将来、我々のアプローチはプログラミング言語の構造に新たな洞察を与えるかもしれないと推測する。
論文 参考訳(メタデータ) (2024-07-05T20:25:02Z) - The Elements of Differentiable Programming [14.197724178748176]
微分可能プログラミングは複雑なコンピュータプログラムのエンドツーエンドの微分を可能にする。
微分プログラミングは、コンピュータ科学と応用数学のいくつかの領域の上に構築されている。
論文 参考訳(メタデータ) (2024-03-21T17:55:16Z) - MathScale: Scaling Instruction Tuning for Mathematical Reasoning [70.89605383298331]
大規模言語モデル(LLM)は問題解決において顕著な能力を示した。
しかし、数学的な問題を解く能力は依然として不十分である。
高品質な数学的推論データを作成するためのシンプルでスケーラブルな方法であるMathScaleを提案する。
論文 参考訳(メタデータ) (2024-03-05T11:42:59Z) - Computability of Optimizers [71.84486326350338]
様々な状況において、チューリングマシンでは実現不可能であり、結果としてデジタルコンピュータでは実現不可能であることを示す。
我々は、人工知能、金融数学、情報理論など、非常に異なる分野からよく知られた様々な問題に対して、そのような結果を証明している。
論文 参考訳(メタデータ) (2023-01-15T17:41:41Z) - JiuZhang: A Chinese Pre-trained Language Model for Mathematical Problem
Understanding [74.12405417718054]
本稿では,中国初の数学的事前学習言語モデル(PLM)を提示することにより,機械の数学的知性向上を目指す。
他の標準のNLPタスクとは異なり、数学的テキストは問題文に数学的用語、記号、公式を含むため理解が難しい。
基礎課程と上級課程の両方からなる数学PLMの学習を改善するための新しいカリキュラム事前学習手法を設計する。
論文 参考訳(メタデータ) (2022-06-13T17:03:52Z) - Program Analysis of Probabilistic Programs [3.299672391663527]
プログラム解析を用いて確率的プログラミングを改善するための3つの新しい手法を提案する。
このテクニックは確率的プログラムを分析し、推論をより効率的にするためにそれを適用する。
論文 参考訳(メタデータ) (2022-04-14T10:40:54Z) - Searching for More Efficient Dynamic Programs [61.79535031840558]
本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。
実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
論文 参考訳(メタデータ) (2021-09-14T20:52:55Z) - Discrete Math with Programming: A Principled Approach [0.0]
離散数学はプログラミングでよりよく教えられると長年主張されてきた。
本稿では、離散数学のすべての中心的な概念をサポートするアプローチを紹介する。
数学や論理文は高いレベルで正確に表現され、コンピュータ上で実行される。
論文 参考訳(メタデータ) (2020-11-28T03:41:27Z) - From Checking to Inference: Actual Causality Computations as
Optimization Problems [79.87179017975235]
本稿では、最適化問題として二元非巡回モデルよりも、因果推論の異なる概念を定式化するための新しいアプローチを提案する。
8000ドル以上の変数を持つモデルを用いて,MaxSAT が ILP を上回り,数秒単位でチェック処理を行う場合が多い。
論文 参考訳(メタデータ) (2020-06-05T10:56:52Z) - Generating Random Logic Programs Using Constraint Programming [12.47276164048813]
本稿では,制約プログラミングを用いてランダムな論理プログラムを生成する手法を提案する。
モデルがパラメータ値とどのようにスケールするかを示し、そのモデルを用いて確率的推論アルゴリズムを様々な合成問題で比較する。
論文 参考訳(メタデータ) (2020-06-02T19:12:53Z)
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。