Fugu-MT 論文翻訳(概要): Query Answering with Transitive and Linear-Ordered Data

論文の概要: Query Answering with Transitive and Linear-Ordered Data

arxiv url: http://arxiv.org/abs/2202.08555v1
Date: Thu, 17 Feb 2022 10:00:08 GMT
ステータス: 処理完了
システム内更新日: 2022-02-18 16:43:06.387229
Title: Query Answering with Transitive and Linear-Ordered Data
Title（参考訳）: 推移型および線形順序付きデータを用いた問合せ応答
Authors: Antoine Amarilli and Michael Benedikt and Pierre Bourhis and Michael Vanden Boom
Abstract要約: 我々は、フロンティアガード存在規則のような強力な制約言語を含むエンテーメント問題を考察する。これらの条件のわずかな変化が決定不能を引き起こすことを示す。
参考スコア（独自算出の注目度）: 7.879958190837517
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider entailment problems involving powerful constraint languages such as frontier-guarded existential rules in which we impose additional semantic restrictions on a set of distinguished relations. We consider restricting a relation to be transitive, restricting a relation to be the transitive closure of another relation, and restricting a relation to be a linear order. We give some natural variants of guardedness that allow inference to be decidable in each case, and isolate the complexity of the corresponding decision problems. Finally we show that slight changes in these conditions lead to undecidability.
Abstract（参考訳）: 我々は,一組の区別関係に対して追加的な意味的制約を課すフロンティア保護存在規則のような強力な制約言語を含む包括的問題を考える。我々は、関係を推移的に制限し、関係を他の関係の推移的閉包に制限し、関係を線型次数に制限することを検討する。我々は、各ケースにおいて推論を決定可能とし、対応する決定問題の複雑さを分離できるガードネスの自然な変種を与える。最後に,これらの条件のわずかな変化が決定不能につながることを示す。

関連論文リスト

Mitigating Hallucinations in Multimodal Spatial Relations through Constraint-Aware Prompting [7.962140902232628]
空間的関係幻覚は大きな視覚言語モデル(LVLM)において永続的な課題を引き起こす本研究では,空間的関係の幻覚を減らすための制約対応プロンプトフレームワークを提案する。
論文参考訳（メタデータ） (2025-02-12T11:32:19Z)
Strong Equivalence in Answer Set Programming with Constraints [8.096489007229774]
規則の2つのグループは、非公式に言えば、どのような文脈でも同じ意味を持つならば、強く等価であると考えられる。強い同値性は、制約のあるヘテロ・アンド・ザールの論理におけるそれらの同値性によって正確に特徴づけられることを示す。本稿では,制約を扱う複数のクリンゴベースの解集合の言語からHere-and-There言語への制約を制約付きで翻訳する。
論文参考訳（メタデータ） (2025-02-06T18:43:59Z)
Neuro-Symbolic Rule Lists [31.085257698392354]
NeuRulesは、識別、ルール学習、ルール順序を単一のフレームワークに統合するエンドツーエンドのトレーニング可能なモデルである。我々は、NeuRulesがニューラルシンボリックな手法を一貫して上回り、幅広いデータセットにわたって、シンプルで複雑なルールとそれらの順序を効果的に学習していることを示す。
論文参考訳（メタデータ） (2024-11-10T11:10:36Z)
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)
Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
論文参考訳（メタデータ） (2022-12-17T05:25:17Z)
Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。提案手法は(線形速度で)大域的最適値に収束することが示されている。
論文参考訳（メタデータ） (2022-06-03T16:26:38Z)
Investigating Constraint Relationship in Evolutionary Many-Constraint Optimization [7.383262009823001]
矛盾する関係では、ある制約の関数値は、別の制約の値が減少するにつれて増加する。独立した関係では、一方の制約に対する調整は他方の制約に対する調整に影響を与えない。関係の推移性は、新しい一対の制約における関係を決定することを目的としてさらに議論される。
論文参考訳（メタデータ） (2020-10-09T09:15:08Z)
Correlations constrained by composite measurements [1.539147548025619]
自然界における許容可能な相関の集合をどう理解するかは、量子論の基礎の中核における際立ったオープンな問題である。理論が合成測度を示すことを要求すると、その状態と効果の集合の構造に制約の階層が課されることを示す。特に、ある状況では、この仮定が驚くほど強い結果をもたらすことが示される。
論文参考訳（メタデータ） (2020-09-10T17:05:19Z)
On Lower Bounds for Standard and Robust Gaussian Process Bandit Optimization [55.937424268654645]
有界ノルムを持つ関数のブラックボックス最適化問題に対するアルゴリズム非依存な下界を考える。本稿では, 単純さ, 汎用性, エラー確率への依存性の向上など, 後悔の下位境界を導出するための新しい証明手法を提案する。
論文参考訳（メタデータ） (2020-08-20T03:48:14Z)
An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
データから制約をマイニングするための一般的なフレームワークを提案する。特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
論文参考訳（メタデータ） (2020-06-18T20:09:53Z)
Multiplex Word Embeddings for Selectional Preference Acquisition [70.33531759861111]
単語間の様々な関係に応じて容易に拡張できる多重単語埋め込みモデルを提案する。本モデルでは,不必要なスパース性を導入することなく,関係の異なる単語を効果的に識別することができる。
論文参考訳（メタデータ） (2020-01-09T04:47:14Z)

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。