論文の概要: Four algorithms for propositional forgetting
- arxiv url: http://arxiv.org/abs/2204.06528v1
- Date: Wed, 13 Apr 2022 17:14:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-14 13:42:59.528920
- Title: Four algorithms for propositional forgetting
- Title(参考訳): 命題記憶のための4つのアルゴリズム
- Authors: Paolo Liberatore
- Abstract要約: 1つ目は、可能なすべての解決を実行し、忘れるべき変数を含む節を削除する。
2つ目は、変数を解決し、その変数で解決するすべての節を削除することで、変数を時として忘れる。
3つ目は、変数のすべての可能な線形分解の結果を出力する。
4番目の節は、バックトラック検索中に矛盾点から節を生成する。
- 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: Four algorithms for propositional forgetting are compared. The first performs
all possible resolutions and deletes the clauses containing a variable to
forget. The second forgets a variable at time by resolving and then deleting
all clauses that resolve on that variable. The third outputs the result of all
possible linear resolutions on the variables to forget. The fourth generates a
clause from the points of contradiction during a backtracking search. The
latter emerges as the winner, with the second and first having some role in
specific cases. The linear resolution algorithm performs poorly in this
implementation.
- Abstract(参考訳): 4つのアルゴリズムを比較した。
1つ目は可能なすべての解決を実行し、忘れるべき変数を含む節を削除する。
2つめは、変数を解決し、その変数で解決するすべての節を削除することで、時間内に変数を忘れてしまう。
3番目は、忘れるべき変数のすべての線形分解の結果を出力する。
4つ目は、バックトラック検索中に矛盾点から節を生成する。
後者は勝者として登場し、2番目と最初に特定の場合に何らかの役割を持つ。
この実装では線形分解能アルゴリズムは不十分である。
関連論文リスト
- Scalable Private Partition Selection via Adaptive Weighting [66.09199304818928]
プライベート・セット・ユニオンでは、ユーザーは非有界宇宙からのアイテムのサブセットを保持する。
目標は、ユーザレベルの差分プライバシーを維持しながら、ユーザセットの統一から可能な限り多くのアイテムを出力することである。
そこで本研究では,プライバシに必要なしきい値よりもはるかに重い項目からより少ない項目へ適応的に重みを還元するアルゴリズムであるMaximumDegree (MAD)を提案する。
論文 参考訳(メタデータ) (2025-02-13T01:27:11Z) - Simple and Provable Scaling Laws for the Test-Time Compute of Large Language Models [70.07661254213181]
大規模言語モデルのテスト時間計算のための2つの原理的アルゴリズムを提案する。
理論的には、1つのアルゴリズムの故障確率は、そのテスト時間計算が大きくなるにつれて指数関数的に減衰する。
論文 参考訳(メタデータ) (2024-11-29T05:29:47Z) - An average case efficient algorithm for solving two variable linear diophantine equations [0.0]
2つの可変線形ディオファンチン方程式を解くことは、RSAや楕円曲線暗号などの多くの暗号プロトコルに応用できる。
2つの線形ディオファンチン方程式を解くために2つのアルゴリズムを再検討する。
論文 参考訳(メタデータ) (2024-09-21T07:51:12Z) - Truly No-Regret Learning in Constrained MDPs [61.78619476991494]
未知のCMDPで学習するモデルベース原始双対アルゴリズムを提案する。
提案アルゴリズムは,誤差のキャンセルを伴わずにサブ線形後悔を実現する。
論文 参考訳(メタデータ) (2024-02-24T09:47:46Z) - Complexity of Single Loop Algorithms for Nonlinear Programming with
Stochastic Objective and Constraints [16.96067869451225]
単ループ2次ペナルティと拡張ヴァリガングアルゴリズムの複雑さを解析する。
目的が関数的かつ滑らかな3つの場合を考える。
論文 参考訳(メタデータ) (2023-11-01T17:37:41Z) - A Fully Single Loop Algorithm for Bilevel Optimization without Hessian
Inverse [121.54116938140754]
両レベル最適化問題に対して,Hessian 逆フリーな完全単一ループアルゴリズムを提案する。
我々のアルゴリズムは$O(epsilon-2)$と収束することを示す。
論文 参考訳(メタデータ) (2021-12-09T02:27:52Z) - A New Algorithm based on Extent Bit-array for Computing Formal Concepts [5.657202839641533]
本稿では,In-Close5と呼ばれるコンテキストの垂直記憶に基づく新しいアルゴリズムIn-Close4を提案する。
新しいアルゴリズムは、コンセプトのコンテキストと範囲を垂直ビットアレイとして格納する一方、In-Close4アルゴリズムでは、コンテキストは水平ビットアレイとしてのみ格納する。
実験の結果,提案アルゴリズムはIn-Close4アルゴリズムよりもはるかに有効であり,また形式的概念の計算にも適用範囲が広いことがわかった。
論文 参考訳(メタデータ) (2021-10-29T01:45:41Z) - Towards Meta-Algorithm Selection [78.13985819417974]
インスタンス固有のアルゴリズム選択(AS)は、固定された候補集合からのアルゴリズムの自動選択を扱う。
メタアルゴリズムの選択は、いくつかのケースで有益であることを示す。
論文 参考訳(メタデータ) (2020-11-17T17:27:33Z) - Generating Correct Answers for Progressive Matrices Intelligence Tests [88.78821060331582]
Ravenのプログレッシブマトリクス(Progressive Matrices)は、複数選択のインテリジェンステストである。
このテストに対処する以前の試みは、複数の選択肢の中から正しい回答を選択することに集中していました。
この作業では、代わりに、定義によって難しいタスクである選択を見ることなく、グリッドに与えられた正しい回答を生成することに焦点を合わせます。
論文 参考訳(メタデータ) (2020-11-01T13:21:07Z) - Adversarial Crowdsourcing Through Robust Rank-One Matrix Completion [17.615174152419133]
明らかな記載が損なわれているかは分かっていない。
提案アルゴリズムは,ErdHos-R'enyiランダムグラフを用いて,抽出されたエントリの集合が与えられたときに最適であることを示す。
特に, 提案アルゴリズムは, ErdHos-R'enyiランダムグラフを用いて, 与えられたエントリの集合が与えられたときに最適であることを示す。
論文 参考訳(メタデータ) (2020-10-23T06:23:20Z) - A New Randomized Primal-Dual Algorithm for Convex Optimization with
Optimal Last Iterate Rates [16.54912614895861]
我々は,非滑らかな制約付き凸最適化問題のクラスを解くために,新しいランダム化ブロック座標原始双対アルゴリズムを開発した。
我々は,一般凸性と強い凸性という2つのケースにおいて,アルゴリズムが最適収束率を達成することを証明した。
その結果,提案手法は異なる実験における性能向上に寄与していることがわかった。
論文 参考訳(メタデータ) (2020-03-03T03:59:26Z)
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。