論文の概要: An efficient heuristic approach combining maximal itemsets and area measure for compressing voluminous table constraints

• arxiv url: http://arxiv.org/abs/2203.11208v1
• Date: Mon, 21 Mar 2022 08:41:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-23 14:48:04.349714
• Title: An efficient heuristic approach combining maximal itemsets and area measure for compressing voluminous table constraints
• Title（参考訳）: 最大項目集合と面積測度を組み合わせた高効率ヒューリスティックなテーブル制約の圧縮手法
• Authors: Soufia Bennai, Kamala Amroun, Samir Loudni and Abdelkader Ouali
• Abstract要約: 表の制約はおそらく最も重要であり、最もよく研究され、有限変数上で定義された他の制約をエンコードする能力を持つ。 空間と時間の複雑さを減らすために、研究者は様々な種類の圧縮に焦点を当ててきた。 本稿では,テーブル制約の圧縮に関連する最大頻繁な項目セットを列挙するための,最大頻繁な項目セット手法と面積尺度に基づく新しい手法を提案する。
• 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: Constraint Programming is a powerful paradigm to model and solve combinatorial problems. While there are many kinds of constraints, the table constraint is perhaps the most significant-being the most well-studied and has the ability to encode any other constraints defined on finite variables. However, constraints can be very voluminous and their size can grow exponentially with their arity. To reduce space and the time complexity, researchers have focused on various forms of compression. In this paper we propose a new approach based on maximal frequent itemsets technique and area measure for enumerating the maximal frequent itemsets relevant for compressing table constraints. Our experimental results show the effectiveness and efficiency of this approach on compression and on solving compressed table constraints.
• Abstract（参考訳）: 制約プログラミングは組合せ問題をモデル化し解決する強力なパラダイムである。 制約は多種多様であるが、テーブル制約はおそらく最もよく研究された存在であり、有限変数上で定義される他の制約をエンコードする能力を持つ。 しかし、制約は非常にvoluminousであり、その大きさはarityによって指数関数的に増加する。 空間と時間の複雑さを減らすために、研究者は様々な種類の圧縮に焦点を当ててきた。 本稿では,テーブル制約の圧縮に関連する最大頻度項目集合を列挙するための最頻項目集合法と面積尺度に基づく新しい手法を提案する。 実験により, 圧縮および圧縮テーブル制約の解法における本手法の有効性と効率性を示した。

関連論文リスト

• Submodular Maximization under the Intersection of Matroid and Knapsack Constraints [23.0838604893412]
  我々は、よく使われる2つの制約、すなわち$k$matroid 制約と $m$-knapsack 制約の交わる部分モジュラー演算の問題を考察する。 我々は、SPROUTOUTが最先端のアルゴリズムを組み込むよりも、SPR時間近似の保証を実現できることを証明した。 映画レコメンデーションと重み付きマックスカットの応用実験は、実際にSPROUT++の優位性を実証している。
  論文  参考訳（メタデータ） (2023-07-18T02:37:14Z)
• Neural Fields with Hard Constraints of Arbitrary Differential Order [61.49418682745144]
  我々は、ニューラルネットワークに厳しい制約を課すための一連のアプローチを開発する。 制約は、ニューラルネットワークとそのデリバティブに適用される線形作用素として指定することができる。 私たちのアプローチは、広範囲の現実世界のアプリケーションで実証されています。
  論文  参考訳（メタデータ） (2023-06-15T08:33:52Z)
• Hybrid Quantum Algorithms integrating QAOA, Penalty Dephasing and Zeno Effect for Solving Binary Optimization Problems with Multiple Constraints [5.259170150405252]
  本稿では,制約のサブセットを解決するために標準イジング・ハミルトニアン(Ising Hamiltonian)を併用したハイブリッドフレームワークを提案する。 これらの非Ising制約の解決は、ペナルティの軽視または量子ゼノ効果によって達成される。
  論文  参考訳（メタデータ） (2023-05-14T03:49:10Z)
• Solving Quantum-Inspired Perfect Matching Problems via Tutte's Theorem-Based Hybrid Boolean Constraints [39.96302127802424]
  量子コンピューティングで発生するハイブリッドブール制約の新しい応用について検討する。 この問題は、エッジカラーグラフにおける制約付き完全マッチングに関連している。 本稿では,ハイブリッド制約による制約マッチング問題の直接符号化が不十分であり,特殊な手法が依然として必要であることを示す。
  論文  参考訳（メタデータ） (2023-01-24T06:14:24Z)
• ACE, a generic constraint solver [1.550120821358415]
  制約プログラミング(CP)は制約された問題のモデリングと解決に有用な技術である。 本稿では,Javaで開発されたオープンソースの制約解決ツールACEについて述べる。
  論文  参考訳（メタデータ） (2023-01-06T12:15:18Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Learning, compression, and leakage: Minimising classification error via meta-universal compression principles [87.054014983402]
  学習シナリオのための圧縮技法の有望なグループは、正規化極大(NML)符号化である。 ここでは,教師付き分類問題に対するNMLに基づく意思決定戦略を検討し,多種多様なモデルに適用した場合にPAC学習を実現することを示す。 本手法の誤分類率は,プライバシに敏感なシナリオにおいて,データ漏洩の可能性を定量化するための指標である最大リークによって上限づけられていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T20:03:58Z)
• Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
  構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。 私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。 提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
  論文  参考訳（メタデータ） (2020-07-07T21:26:35Z)
• 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)
• Constrained episodic reinforcement learning in concave-convex and knapsack settings [81.08055425644037]
  コンケーブ報酬と凸制約のある設定に対して、強力な理論的保証を持つモジュラー解析を提供する。 実験により,提案アルゴリズムは既存の制約付きエピソード環境において,これらの手法を著しく上回ることを示した。
  論文  参考訳（メタデータ） (2020-06-09T05:02:44Z)
• Submodular Bandit Problem Under Multiple Constraints [8.100450025624443]
  我々は、$l$knapsacksと$k$-system制約の交わりの下で、部分モジュラーバンディット問題を導入する。 この問題を解決するために,標準あるいは修正された高信頼境界に適応的に焦点をあてる非グレーディアルゴリズムを提案する。 近似比が高速アルゴリズムのそれと一致するような近似後悔の確率の高い上限を提供する。
  論文  参考訳（メタデータ） (2020-06-01T01:28:44Z)

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。