論文の概要: Mimicking Behaviors in Separated Domains

• arxiv url: http://arxiv.org/abs/2205.09201v1
• Date: Wed, 18 May 2022 20:19:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-20 14:06:15.583650
• Title: Mimicking Behaviors in Separated Domains
• Title（参考訳）: 分離領域における模倣行動
• Authors: Giuseppe De Giacomo, Dror Fried, Fabio Patrizi, Shufang Zhu
• Abstract要約: システム動作を他のシステムから作り出す戦略を開発することは、コンピュータ科学の多くの領域で自然に発生する問題である。 我々のモデルは、D_A と D_B という2つの分離された動的領域と、模倣の概念を定式化する anf 仕様から構成される。 目標は、D_Aのすべての振舞いをD_Bの振舞いにステップバイステップでマッピングして仕様を満たす戦略を合成することである。
• 参考スコア（独自算出の注目度）: 26.287490887539224
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Devising a strategy to make a system mimicking behaviors from another system is a problem that naturally arises in many areas of Computer Science. In this work, we interpret this problem in the context of intelligent agents, from the perspective of LTLf, a formalism commonly used in AI for expressing finite-trace properties. Our model consists of two separated dynamic domains, D_A and D_B, and an LTLf specification that formalizes the notion of mimicking by mapping properties on behaviors (traces) of D_A into properties on behaviors of D_B. The goal is to synthesize a strategy that step-by-step maps every behavior of D_A into a behavior of D_B so that the specification is met. We consider several forms of mapping specifications, ranging from simple ones to full LTLf, and for each we study synthesis algorithms and computational properties.
• Abstract（参考訳）: システムを他のシステムから模倣する戦略を開発することは、コンピュータ科学の多くの領域で自然に発生する問題である。 本研究では,人工知能において有限トレース特性を表現するための形式的手法であるltlfの観点から,知的エージェントの文脈でこの問題を解釈する。 本モデルは,d_a と d_b の2つの分離ダイナミックドメインと,d_a の挙動 (トレース) の特性を d_b の挙動にマッピングして模倣する概念を定式化する ltlf 仕様から構成される。 目標は、D_Aのすべての振舞いをD_Bの振舞いにステップバイステップでマッピングして仕様を満たす戦略を合成することである。 簡単なものから完全なLTLfまで,いくつかの形式のマッピング仕様を検討し,それぞれに合成アルゴリズムと計算特性について検討する。

関連論文リスト

• Generative Models as a Complex Systems Science: How can we make sense of large language model behavior? [75.79305790453654]
  事前訓練されたモデルから望ましい振る舞いを排除し、望ましくないモデルを避けながら、NLPを再定義した。 言語モデルの振る舞いをタスク間性能を説明するカテゴリに分解する体系的な取り組みについて論じる。
  論文  参考訳（メタデータ） (2023-07-31T22:58:41Z)
• Interpretability at Scale: Identifying Causal Mechanisms in Alpaca [62.65877150123775]
  本研究では、Boundless DASを用いて、命令に従う間、大規模言語モデルにおける解釈可能な因果構造を効率的に探索する。 私たちの発見は、成長し、最も広くデプロイされている言語モデルの内部構造を忠実に理解するための第一歩です。
  論文  参考訳（メタデータ） (2023-05-15T17:15:40Z)
• SALUDA: Surface-based Automotive Lidar Unsupervised Domain Adaptation [62.889835139583965]
  我々は、ソースデータとターゲットデータに基づいて、暗黙の基盤となる表面表現を同時に学習する教師なし補助タスクを導入する。 両方のドメインが同じ遅延表現を共有しているため、モデルは2つのデータソース間の不一致を許容せざるを得ない。 実験の結果,本手法は実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-
  論文  参考訳（メタデータ） (2023-04-06T17:36:23Z)
• Tuning the Geometry of Graph Neural Networks [0.7614628596146599]
  空間グラフ畳み込み演算子はグラフニューラルネットワーク(GNN)の成功の鍵として認識されている このアグリゲーション作用素は実際にチューナブルであり、作用素の特定の選択 -- 従って、ジオメトリを埋め込む -- がより適切であるような明示的なレギュレーションであることが示される。
  論文  参考訳（メタデータ） (2022-07-12T23:28:03Z)
• Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
  顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。 具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。 提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-28T02:12:30Z)
• Message Passing Neural PDE Solvers [60.77761603258397]
  我々は、バックプロップ最適化されたニューラル関数近似器で、グラフのアリーデザインのコンポーネントを置き換えるニューラルメッセージパッシング解決器を構築した。 本稿では, 有限差分, 有限体積, WENOスキームなどの古典的手法を表現的に含んでいることを示す。 本研究では, 異なる領域のトポロジ, 方程式パラメータ, 離散化などにおける高速, 安定, 高精度な性能を, 1次元, 2次元で検証する。
  論文  参考訳（メタデータ） (2022-02-07T17:47:46Z)
• Unsupervised Speech Representation Learning for Behavior Modeling using Triplet Enhanced Contextualized Networks [28.957236790411585]
  本研究では,対話における人間の行動の定常的特性を利用して,音声から行動情報を抽出する表現学習手法を提案する。 本稿では,エンコーダ・デコーダをベースとしたDeep Contextualized Network (DCN) と,動作コンテキストをキャプチャするTriplet-Enhanced DCN (TE-DCN) フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-01T22:44:23Z)
• CausalX: Causal Explanations and Block Multilinear Factor Analysis [3.087360758008569]
  全体と部分の統一多線形モデルを提案する。 ボトムアップ計算の代替品であるインクリメンタルmモードブロックsvdを導入する。 結果のオブジェクト表現は、オブジェクトの全体と部分の階層に関連する固有の因果係数表現の解釈可能な選択である。
  論文  参考訳（メタデータ） (2021-02-25T13:49:01Z)
• Heuristic Domain Adaptation [105.59792285047536]
  Heuristic Domain Adaptation Network (HDAN)は、ドメイン不変およびドメイン固有表現を明示的に学習する。 Heuristic Domain Adaptation Network (HDAN)は、教師なしDA、マルチソースDA、半教師なしDAの最先端を超越している。
  論文  参考訳（メタデータ） (2020-11-30T04:21:35Z)
• The Random Feature Model for Input-Output Maps between Banach Spaces [6.282068591820945]
  ランダム特徴モデルは、カーネルまたは回帰法に対するパラメトリック近似である。 本稿では、入力バナッハ空間を出力バナッハ空間にマッピングする演算子のためのデータ駆動サロゲートとしてランダム特徴モデルを使用する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-20T17:41:40Z)

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。