論文の概要: Unifying Framework for Optimizations in non-boolean Formalisms
- arxiv url: http://arxiv.org/abs/2206.07862v1
- Date: Thu, 16 Jun 2022 00:38:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-18 15:15:54.556570
- Title: Unifying Framework for Optimizations in non-boolean Formalisms
- Title（参考訳）: 非ブール形式における最適化の統一的枠組み
- Authors: Yuliya Lierler
- Abstract要約: 多くの一般的な自動推論パラダイムは最適化文をサポートする言語を提供する。
本稿では,パラダイム間の統語的区別を排除する統一フレームワークを提案する。
本稿では,提案方式の形式的特性を,我々の枠組み内で捉えることができるパラダイムの形式的特性に変換するシステムについて検討する。
- 参考スコア（独自算出の注目度）: 0.6853165736531939
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Search-optimization problems are plentiful in scientific and engineering
domains. Artificial intelligence has long contributed to the development of
search algorithms and declarative programming languages geared towards solving
and modeling search-optimization problems. Automated reasoning and knowledge
representation are the subfields of AI that are particularly vested in these
developments. Many popular automated reasoning paradigms provide users with
languages supporting optimization statements. Recall integer linear
programming, MaxSAT, optimization satisfiability modulo theory, and
(constraint) answer set programming. These paradigms vary significantly in
their languages in ways they express quality conditions on computed solutions.
Here we propose a unifying framework of so called extended weight systems that
eliminates syntactic distinctions between paradigms. They allow us to see
essential similarities and differences between optimization statements provided
by distinct automated reasoning languages. We also study formal properties of
the proposed systems that immediately translate into formal properties of
paradigms that can be captured within our framework. Under consideration in
Theory and Practice of Logic Programming (TPLP).
- Abstract（参考訳）: 検索最適化問題は、科学や工学の分野では多い。
人工知能は、検索最適化問題の解決とモデリングを目的とした検索アルゴリズムと宣言型プログラミング言語の開発に長い間貢献してきた。
自動推論と知識表現はAIのサブフィールドであり、これらの開発に特に適している。
多くの一般的な自動推論パラダイムは、最適化ステートメントをサポートする言語をユーザに提供します。
整数線型プログラミング、MaxSAT、最適化満足度変調理論、および(制約)解集合プログラミングをリコールする。
これらのパラダイムは、計算されたソリューションの品質条件を表現する方法で言語によって大きく異なる。
本稿では,パラダイム間の統語的区別を排除した拡張重みシステムの統一フレームワークを提案する。
それらは、異なる自動推論言語によって提供される最適化ステートメントに固有の類似点と相違点を見出すことを可能にする。
また,提案方式の形式的特性について検討し,その特性を枠組み内で把握可能なパラダイムの形式的特性に即時に変換する。
論理プログラミングの理論と実践(tplp)における考察。
関連論文リスト
- Autoformulation of Mathematical Optimization Models Using LLMs [50.030647274271516]
商用問題解決者のための自然言語記述から最適化モデルを作成するための自動アプローチを開発する。
本稿では,(1)問題依存仮説空間の定義,(2)不確実性の下でこの空間を効率的に探索すること,(3)定式化の正しさを評価すること,の3つの課題を同定する。
論文 参考訳（メタデータ） (2024-11-03T20:41:38Z) - Inductive Learning of Declarative Domain-Specific Heuristics for ASP [1.0904219197219578]
本稿では,ドメイン固有性の自動学習に対する新しいアプローチを提案する。
Inductive Logic Programming(ILP)を使用して、小さなが代表的な問題インスタンスの(ほぼ)回答セットから生じる例からドメイン固有性を学ぶ。
実験結果から,同じ問題の大規模で難しいインスタンスを解く際に,学習者が性能とソリューションの品質を向上できることが示唆された。
論文 参考訳（メタデータ） (2023-08-30T08:55:17Z) - When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。
具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。
コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
論文 参考訳（メタデータ） (2023-08-29T17:22:39Z) - From Word Models to World Models: Translating from Natural Language to
the Probabilistic Language of Thought [124.40905824051079]
言語インフォームド・シンキングのための計算フレームワークである「構成」を合理的に提案する。
我々は、自然言語から確率論的思考言語への文脈感応的なマッピングとして、言語の意味を定式化する。
LLMは、現実的に適切な言語的意味をキャプチャする文脈依存翻訳を生成することができることを示す。
認知的なモチベーションを持つシンボリックモジュールを統合するために、我々のフレームワークを拡張します。
論文 参考訳（メタデータ） (2023-06-22T05:14:00Z) - Towards Invertible Semantic-Preserving Embeddings of Logical Formulae [1.0152838128195467]
論理的要件とルールの学習と最適化は、人工知能において常に重要な問題である。
現在のメソッドは、カーネルメソッドを介して効果的なセマンティック保存の埋め込みを構築することができるが、それらが定義するマップは可逆ではない。
本稿では,グラフ変分オートエンコーダフレームワークに基づく深層アーキテクチャを応用した埋め込みの逆変換法について述べる。
論文 参考訳（メタデータ） (2023-05-03T10:49:01Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳（メタデータ） (2023-01-28T01:50:42Z) - Socio-cognitive Optimization of Time-delay Control Problems using
Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。
本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文 参考訳（メタデータ） (2022-10-23T22:21:10Z) - Tools and Methodologies for Verifying Answer Set Programs [0.0]
ASP.NETは強力な宣言型プログラミングパラダイムで、検索と最適化の課題を解決するのによく使われます。
知識表現と推論へのアプローチとして、ASPはその単純さ、簡潔さ、厳密に定義されたセマンティクスから恩恵を受ける。
私の研究は、ASPプロガムの検証をサポートする理論とツールの拡張に関するものです。
論文 参考訳（メタデータ） (2022-08-05T10:50:21Z) - An Abstract View on Optimizations in Propositional Frameworks [0.6853165736531939]
本稿では,パラダイム間の統語的区別を排除した,いわゆる重みシステムの統一フレームワークを提案する。
このフレームワークは、自動推論と知識表現における最適化とモジュラリティの研究において、大幅な単純化と説明力を持っている。
論文 参考訳（メタデータ） (2022-06-13T19:44:01Z) - On the Configuration of More and Less Expressive Logic Programs [11.331373810571993]
SATとASPの2つのよく知られたモデルベースAI手法は、入力を特徴付けるかもしれない多くの構文的特徴を定義する。
各競合から抽出したSATドメインとASPドメインに関する広範な実験的分析の結果は、入力の再構成と構成を用いて得られる様々な利点を示している。
論文 参考訳（メタデータ） (2022-03-02T10:55:35Z) - Efficient and Modular Implicit Differentiation [68.74748174316989]
最適化問題の暗黙的な微分のための統一的で効率的かつモジュール化されたアプローチを提案する。
一見単純な原理は、最近提案された多くの暗黙の微分法を復元し、新しいものを簡単に作成できることを示している。
論文 参考訳（メタデータ） (2021-05-31T17:45:58Z)
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。