Fugu-MT 論文翻訳(概要): Term Rewriting Based On Set Automaton Matching

論文の概要: Term Rewriting Based On Set Automaton Matching

arxiv url: http://arxiv.org/abs/2202.08687v1
Date: Thu, 17 Feb 2022 14:41:51 GMT
ステータス: 処理完了
システム内更新日: 2022-02-18 18:54:32.855579
Title: Term Rewriting Based On Set Automaton Matching
Title（参考訳）: 集合オートマトンマッチングに基づく項書き換え
Authors: Mark Bouwman, Rick Erkens
Abstract要約: 本稿では,集合オートマトンを用いて効率的な項書き換え処理を実現する方法について検討する。左線形項書き換えシステムの極端書き直しのための最適化アルゴリズムを提案し、その正しさを証明し、いくつかの実装実験の結果を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In previous work we have proposed an efficient pattern matching algorithm based on the notion of set automaton. In this article we investigate how set automata can be exploited to implement efficient term rewriting procedures. These procedures interleave pattern matching steps and rewriting steps and thus smoothly integrate redex discovery and subterm replacement. Concretely, we propose an optimised algorithm for outermost rewriting of left-linear term rewriting systems, prove its correctness, and present the results of some implementation experiments.
Abstract（参考訳）: これまで我々は,集合オートマトンの概念に基づく効率的なパターンマッチングアルゴリズムを提案してきた。本稿では,効率的な項書き換え手順を実現するために,set automataをどのように活用できるかを検討する。これらの手順はパターンマッチングステップと書き換えステップをインターリーブし、redex発見とサブターム置換をスムーズに統合する。具体的には,左線形項書き換えシステムの最外書き換えのための最適化アルゴリズムを提案し,その正しさを証明し,いくつかの実装実験の結果を示す。

関連論文リスト

CASET: Complexity Analysis using Simple Execution Traces for CS* submissions [0.0]
CS1 や CS2 コースで学生の提出を自動アップグレードする最も一般的な方法は、事前に定義されたテストスイートに対して実行し、結果と参照結果を比較することである。この手法は、解の正しさが、結果を得るために使われるアルゴリズムのような単純な出力を超えると利用できない。動的トレースと教師なし機械学習を用いてアルゴリズムの時間的複雑さを解析する新しいツールCASETを提案する。
論文参考訳（メタデータ） (2024-10-20T15:29:50Z)
Fast Structured Orthogonal Dictionary Learning using Householder Reflections [2.3326951882644553]
理論的には($l_infty$の意味で)近似回復を最適計算複雑性で保証する。我々は,これらの手法をサンプル限定設定で数値的に検証し,既存の手法と同等以上の性能を示す。
論文参考訳（メタデータ） (2024-09-13T18:42:11Z)
Automatic Design of Semantic Similarity Ensembles Using Grammatical Evolution [0.0]
単一の意味的類似度尺度はすべてのタスクに最も適しており、研究者はパフォーマンスを確保するためにアンサンブル戦略を使うことが多い。本研究は,意味的類似性アンサンブルを自動設計する手法を提案する。提案手法は,人的判断の相関を最大化するアンサンブルを作成するために,まず,候補のプールから測度を自動的に選択・集約するために文法的進化を利用する。
論文参考訳（メタデータ） (2023-07-03T10:53:05Z)
Text Revision by On-the-Fly Representation Optimization [76.11035270753757]
現在の最先端手法は、これらのタスクをシーケンスからシーケンスまでの学習問題として定式化している。並列データを必要としないテキストリビジョンのための反復的なインプレース編集手法を提案する。テキストの単純化に関する最先端の教師付き手法よりも、競争力があり、パフォーマンスも向上する。
論文参考訳（メタデータ） (2022-04-15T07:38:08Z)
SVIP: Sequence VerIfication for Procedures in Videos [68.07865790764237]
ステップレベルの変換を伴う負のアクションシーケンスと同一のアクションシーケンスを実行するポジティブなビデオペアを区別することを目的とした,新しいシーケンス検証タスクを提案する。このような困難なタスクは、事前のアクション検出やセグメンテーションなしで、オープンセット設定に置かれる。我々は、化学実験において、あらゆる段階的な変換を列挙したスクリプト付きビデオデータセットを収集する。
論文参考訳（メタデータ） (2021-12-13T07:03:36Z)
Discovering Non-monotonic Autoregressive Orderings with Variational Inference [67.27561153666211]
我々は、訓練データから高品質な生成順序を純粋に検出する、教師なし並列化可能な学習装置を開発した。エンコーダを非因果的注意を持つトランスフォーマーとして実装し、1つのフォワードパスで置換を出力する。言語モデリングタスクにおける経験的結果から,我々の手法は文脈認識であり,一定の順序と競合する,あるいはより優れた順序を見つけることができる。
論文参考訳（メタデータ） (2021-10-27T16:08:09Z)
Self-Supervised Learning to Prove Equivalence Between Straight-Line Programs via Rewrite Rules [9.1570563482476]
2つのプログラムは、1つのプログラムをもう1つのプログラムに書き換える、書き換え規則の一連の適用が存在する場合と同値である。本稿では,プログラムペア間の等価性の証明を生成するために,トランスフォーマーモデルに基づくニューラルネットワークアーキテクチャを提案する。我々のシステムであるS4Eqは、1万対の等価プログラムをキュレートしたデータセット上で97%の証明成功を達成した。
論文参考訳（メタデータ） (2021-09-22T01:37:08Z)
High-performance symbolic-numerics via multiple dispatch [52.77024349608834]
Symbolics.jlは拡張可能なシンボルシステムで、動的多重ディスパッチを使用してドメインのニーズに応じて振る舞いを変更する。実装に依存しないアクションでジェネリックapiを形式化することで、システムに最適化されたデータ構造を遡及的に追加できることを示します。従来の用語書き換えシンプリファイアと電子グラフベースの用語書き換えシンプリファイアをスワップする機能を実証する。
論文参考訳（メタデータ） (2021-05-09T14:22:43Z)
ASSET: A Dataset for Tuning and Evaluation of Sentence Simplification Models with Multiple Rewriting Transformations [97.27005783856285]
本稿では,英語で文の単純化を評価するための新しいデータセットであるASSETを紹介する。 ASSETの単純化は、タスクの他の標準評価データセットと比較して、単純さの特徴を捉えるのに優れていることを示す。
論文参考訳（メタデータ） (2020-05-01T16:44:54Z)
Extractive Summarization as Text Matching [123.09816729675838]
本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。抽出した要約タスクを意味テキストマッチング問題として定式化する。我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
論文参考訳（メタデータ） (2020-04-19T08:27:57Z)
Equivalence of Dataflow Graphs via Rewrite Rules Using a Graph-to-Sequence Neural Model [0.0]
本研究では,2つのプログラム間の等価性の問題を,セマンティクスに則った書き直し規則の集合を一方から他方へ保存する問題として定式化する。そこで我々は,プログラム等価性のための最初のグラフからシーケンスまでのニューラルネットワークシステムを開発した。
論文参考訳（メタデータ） (2020-02-17T06:43:00Z)

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。