Fugu-MT 論文翻訳(概要): A Probabilistic Programming Idiom for Active Knowledge Search

論文の概要: A Probabilistic Programming Idiom for Active Knowledge Search

arxiv url: http://arxiv.org/abs/2202.09555v1
Date: Sat, 19 Feb 2022 09:13:14 GMT
ステータス: 処理完了
システム内更新日: 2022-02-23 09:53:17.022310
Title: A Probabilistic Programming Idiom for Active Knowledge Search
Title（参考訳）: 能動的知識探索のための確率的プログラミングイディオム
Authors: Malte R. Damgaard and Rasmus Pedersen and Thomas Bak
Abstract要約: 環境に関する新しい知識を得るために,確率的プログラミングイディオムを考案し,実装する。能動マッピングとロボット探索の特定の問題に対するアルゴリズムを実装することで,このイディオムの有用性を実証する。
参考スコア（独自算出の注目度）: 2.8483435983018612
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we derive and implement a probabilistic programming idiom for the problem of acquiring new knowledge about an environment. The idiom is implemented utilizing a modern probabilistic programming language. We demonstrate the utility of this idiom by implementing an algorithm for the specific problem of active mapping and robot exploration. Finally, we evaluate the functionality of the implementation through an extensive simulation study utilizing the HouseExpo dataset.
Abstract（参考訳）: 本稿では,環境に関する新しい知識を取得する問題に対して,確率的プログラミングイディオムを導出し,実装する。イディオムは現代の確率プログラミング言語を用いて実装されている。アクティブマッピングとロボット探索の特定の問題に対するアルゴリズムを実装し,このイディオムの有用性を実証する。最後に,houseexpoデータセットを用いた大規模シミュレーションによる実装機能の評価を行った。

関連論文リスト

Provably Efficient Representation Learning with Tractable Planning in Low-Rank POMDP [81.00800920928621]
部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
論文参考訳（メタデータ） (2023-06-21T16:04:03Z)
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)
Abstracting Noisy Robot Programs [17.04153879817609]
本稿では,確率的および動的システムの抽象化へのアプローチについて述べる。確率論的信念を持つ状況計算の変種に基づいて、バイシミュレーションの概念を定義する。我々は、不要な詳細を省略し、実際の実行のために詳細なプログラムに変換できる抽象的なGologプログラムを得る。
論文参考訳（メタデータ） (2022-04-07T16:04:19Z)
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)
MURAL: Meta-Learning Uncertainty-Aware Rewards for Outcome-Driven Reinforcement Learning [65.52675802289775]
本研究では,不確かさを意識した分類器が,強化学習の難しさを解消できることを示す。正規化最大度(NML)分布の計算法を提案する。得られたアルゴリズムは、カウントベースの探索法と、報酬関数を学習するための先行アルゴリズムの両方に多くの興味深い関係を持つことを示す。
論文参考訳（メタデータ） (2021-07-15T08:19:57Z)
Learning functional programs with function invention and reuse [0.0]
本稿では,IPのサブフィールドであるインダクティブ関数型プログラミング(IFP)について述べる。モジュール型関数型プログラムを生成するというアイデアと,それらが関数の再利用を可能にする方法について検討する。様々な問題に対して再利用が重要であり(重要ではないとしても)、一般に関数再利用の恩恵を受けるプログラムの2つの幅広いクラスを区別する。
論文参考訳（メタデータ） (2020-11-17T19:11:00Z)
Learning Differentiable Programs with Admissible Neural Heuristics [43.54820901841979]
ドメイン固有言語におけるプログラムとして表現される微分可能関数の学習問題について検討する。我々は、この最適化問題を、プログラム構文のトップダウン導出を符号化した重み付きグラフの探索として構成する。私たちの重要なイノベーションは、さまざまなニューラルネットワークのクラスを、プログラムの空間上の連続的な緩和と見なすことです。
論文参考訳（メタデータ） (2020-07-23T16:07:39Z)
Discovering Reinforcement Learning Algorithms [53.72358280495428]
強化学習アルゴリズムは、いくつかのルールの1つに従ってエージェントのパラメータを更新する。本稿では,更新ルール全体を検出するメタラーニング手法を提案する。これには、一連の環境と対話することで、"何を予測するか"(例えば、値関数)と"どのように学習するか"の両方が含まれている。
論文参考訳（メタデータ） (2020-07-17T07:38:39Z)
IReEn: Reverse-Engineering of Black-Box Functions via Iterative Neural Program Synthesis [70.61283188380689]
ブラックボックスエージェントの機能を明らかにする際の問題点について検討する。我々はブラックボックスの特権情報に頼るのではなく、プログラムの入力と出力のみにアクセスするというより弱い仮定の下で問題を調査する。その結果, 提案手法は, 78%の症例において, ほぼ機能的な等価プログラムを見出すことにより, 現状よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-06-18T17:50:48Z)
Can We Learn Heuristics For Graphical Model Inference Using Reinforcement Learning? [114.24881214319048]
我々は、強化学習を用いて、高次条件ランダム場(CRF)における推論を解くためのプログラム、すなわち、ポリシーを学習できることを示します。本手法は,ポテンシャルの形式に制約を加えることなく,推論タスクを効率的に解く。
論文参考訳（メタデータ） (2020-04-27T19:24:04Z)

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。