論文の概要: Easy, adaptable and high-quality Modelling with domain-specific
Constraint Patterns
- arxiv url: http://arxiv.org/abs/2206.02479v1
- Date: Mon, 6 Jun 2022 10:29:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-08 01:54:56.115444
- Title: Easy, adaptable and high-quality Modelling with domain-specific
Constraint Patterns
- Title(参考訳): ドメイン固有制約パターンによる容易で適応的で高品質なモデリング
- Authors: Sophia Saller, Jana Koehler
- Abstract要約: ドメイン固有の制約パターンが導入され、制約プログラミング設定のためのソフトウェアエンジニアリングのパターンの設計と相反する。
これらのパターンは、繰り返し発生する問題に対する専門家の知識とベストプラクティスのソリューションを記述し、サンプル実装を含めます。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Domain-specific constraint patterns are introduced, which form the
counterpart to design patterns in software engineering for the constraint
programming setting. These patterns describe the expert knowledge and
best-practice solution to recurring problems and include example
implementations. We aim to reach a stage where, for common problems, the
modelling process consists of simply picking the applicable patterns from a
library of patterns and combining them in a model. This vastly simplifies the
modelling process and makes the models simple to adapt. By making the patterns
domain-specific we can further include problem-specific modelling ideas,
including specific global constraints and search strategies that are known for
the problem, into the pattern description. This ensures that the model we
obtain from patterns is not only correct but also of high quality. We introduce
domain-specific constraint patterns on the example of job shop and flow shop,
discuss their advantages and show how the occurrence of patterns can
automatically be checked in an event log.
- Abstract(参考訳): ドメイン固有の制約パターンが導入され、制約プログラミング設定のためのソフトウェアエンジニアリングのパターンの設計と相反する。
これらのパターンは、繰り返し発生する問題に対する専門家の知識とベストプラクティスのソリューションを記述し、実装例を含む。
一般的な問題に対して、モデリングプロセスは、単にパターンのライブラリから適用可能なパターンを選択し、それらをモデルに組み合わせることによって構成される。
これはモデリングプロセスを大幅に単純化し、モデルを適応しやすくします。
パターンをドメイン固有のものにすることで、問題で知られている特定のグローバル制約や検索戦略を含む、問題固有のモデリングアイデアをパターン記述に含めることができる。
これにより、パターンから得られるモデルが正しいだけでなく、高品質であることが保証されます。
ジョブショップとフローショップの例にドメイン固有の制約パターンを導入し、それらの利点を説明し、イベントログでパターンの発生を自動チェックする方法を示す。
関連論文リスト
- Automated Statistical Model Discovery with Language Models [38.25466641965006]
本稿では,言語モデルを用いた自動統計モデル探索手法を提案する。
ドメイン固有のモデル言語を定義したり、手作りの検索手順を設計する必要はありません。
提案手法は,従来のシステムの性能と一致し,人間の専門家設計モデルに匹敵するモデルを特定し,古典的モデルを解釈可能な方法で拡張する。
論文 参考訳(メタデータ) (2024-02-27T20:33:22Z) - Towards Exploratory Reformulation of Constraint Models [0.44658835512168177]
本稿では,初期モデルからの再構成プロセスを通じてモデル空間を探索するシステムを提案する。
我々は,ユーザが制約仕様を記述した場合に,このシステムを洗練されたアプローチで構築する計画である。
論文 参考訳(メタデータ) (2023-11-20T16:04:56Z) - Adapting Large Language Models for Content Moderation: Pitfalls in Data
Engineering and Supervised Fine-tuning [79.53130089003986]
大規模言語モデル(LLM)は、様々なドメインでタスクを処理するための実現可能なソリューションとなっている。
本稿では、コンテンツモデレーションのためにプライベートにデプロイ可能なLLMモデルを微調整する方法を紹介する。
論文 参考訳(メタデータ) (2023-10-05T09:09:44Z) - Earning Extra Performance from Restrictive Feedbacks [41.05874087063763]
モデルチューニング問題の形式を記述するために,rerestriCTive feeddbacks (EXPECTED) から emphEarning eXtra PerformancE という課題を設定した。
モデルプロバイダの目標は、最終的にフィードバックを利用することで、ローカルユーザに対して満足のいくモデルを提供することです。
本稿では,パラメータ分布を探索し,モデルパラメータに関するモデル性能の幾何を特徴付けることを提案する。
論文 参考訳(メタデータ) (2023-04-28T13:16:54Z) - Generalization Properties of Retrieval-based Models [50.35325326050263]
検索ベースの機械学習手法は、幅広い問題で成功をおさめた。
これらのモデルの約束を示す文献が増えているにもかかわらず、そのようなモデルの理論的基盤はいまだに解明されていない。
本稿では,その一般化能力を特徴付けるために,検索ベースモデルの形式的処理を行う。
論文 参考訳(メタデータ) (2022-10-06T00:33:01Z) - Model Reprogramming: Resource-Efficient Cross-Domain Machine Learning [65.268245109828]
視覚、言語、音声などのデータに富む領域では、ディープラーニングが高性能なタスク固有モデルを提供するのが一般的である。
リソース制限されたドメインでのディープラーニングは、(i)限られたデータ、(ii)制約付きモデル開発コスト、(iii)効果的な微調整のための適切な事前学習モデルの欠如など、多くの課題に直面している。
モデル再プログラミングは、ソースドメインから十分に訓練されたモデルを再利用して、モデル微調整なしでターゲットドメインのタスクを解くことで、リソース効率のよいクロスドメイン機械学習を可能にする。
論文 参考訳(メタデータ) (2022-02-22T02:33:54Z) - An Ample Approach to Data and Modeling [1.0152838128195467]
さまざまな分野の概念とメソッドを統合するモデルの構築方法をモデル化するためのフレームワークについて説明する。
参照M*メタモデルフレームワークは、厳密な同値関係の観点からデータセットと各モデルの関連付けに批判的に依存する。
開発されたフレームワークがデータクラスタリング、複雑性、共同研究、ディープラーニング、クリエイティビティに関する洞察を提供する方法について、いくつかの考察がなされている。
論文 参考訳(メタデータ) (2021-10-05T01:26:09Z) - Sufficiently Accurate Model Learning for Planning [119.80502738709937]
本稿では,制約付きSufficiently Accurateモデル学習手法を提案する。
これはそのような問題の例を示し、いくつかの近似解がいかに近いかという定理を提示する。
近似解の質は、関数のパラメータ化、損失と制約関数の滑らかさ、モデル学習におけるサンプルの数に依存する。
論文 参考訳(メタデータ) (2021-02-11T16:27:31Z) - DirectDebug: Automated Testing and Debugging of Feature Models [55.41644538483948]
変数モデル(例えば、特徴モデル)は、ソフトウェアアーティファクトの変数と共通性を表現する一般的な方法である。
複雑でしばしば大規模な機能モデルは欠陥になりうる、すなわち、ソフトウェアアーチファクトの期待される変動特性を表現しない。
論文 参考訳(メタデータ) (2021-02-11T11:22:20Z) - Towards Portfolios of Streamlined Constraint Models: A Case Study with
the Balanced Academic Curriculum Problem [1.8466814193413488]
本稿では,問題クラスの抽象的エッセンス仕様に含まれる型から導かれる,ストリームライナー制約の自動追加に焦点をあてる。
合理化されたEssence仕様を制約モデルに洗練することで、多数のモデル選択が生まれる。
各種のレースは、訓練の計算コストを抑えるために使用される。
論文 参考訳(メタデータ) (2020-09-21T19:48:02Z) - Goal-Aware Prediction: Learning to Model What Matters [105.43098326577434]
学習した前進力学モデルを使用する際の根本的な課題の1つは、学習したモデルの目的と下流のプランナーやポリシーの目標とのミスマッチである。
本稿では,タスク関連情報への直接的予測を提案し,そのモデルが現在のタスクを認識し,状態空間の関連量のみをモデル化することを奨励する。
提案手法は,目標条件付きシーンの関連部分を効果的にモデル化し,その結果,標準タスク非依存のダイナミックスモデルやモデルレス強化学習より優れていることがわかった。
論文 参考訳(メタデータ) (2020-07-14T16:42:59Z)
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。