Fugu-MT 論文翻訳(概要): Analyzing B\"uchi Automata with Graph Neural Networks

論文の概要: Analyzing B\"uchi Automata with Graph Neural Networks

arxiv url: http://arxiv.org/abs/2206.09619v1
Date: Mon, 20 Jun 2022 08:11:19 GMT
ステータス: 処理完了
システム内更新日: 2022-06-25 13:29:38.472051
Title: Analyzing B\"uchi Automata with Graph Neural Networks
Title（参考訳）: グラフニューラルネットワークを用いたB\"uchi Automataの解析
Authors: Christophe Stammet, Prisca Dotti, Ulrich Ultes-Nitsche and Andreas Fischer
Abstract要約: B"uchi Automata on infinite words has many interesting problem and often used in program verification and model check。グラフニューラルネットワークを用いて,B"uchi Automatica"の基本特性を確実に予測する方法を示す。
参考スコア（独自算出の注目度）: 0.4795582035438344
License: http://creativecommons.org/licenses/by/4.0/
Abstract: B\"uchi Automata on infinite words present many interesting problems and are used frequently in program verification and model checking. A lot of these problems on B\"uchi automata are computationally hard, raising the question if a learning-based data-driven analysis might be more efficient than using traditional algorithms. Since B\"uchi automata can be represented by graphs, graph neural networks are a natural choice for such a learning-based analysis. In this paper, we demonstrate how graph neural networks can be used to reliably predict basic properties of B\"uchi automata when trained on automatically generated random automata datasets.
Abstract（参考訳）: b\"uchi automata on infinite words present many interesting problems, and often used to program verification and model checking (英語) b\"uchi automataのこれらの問題の多くは計算が難しいため、学習ベースのデータ駆動分析が従来のアルゴリズムを使うよりも効率的かどうかという疑問を投げかけている。 b\"uchi automataはグラフで表現できるので、グラフニューラルネットワークはそのような学習に基づく分析の自然な選択である。本稿では,自動生成されたランダムオートマトンデータセット上での学習において,グラフニューラルネットワークを用いてb\"uchi automataの基本特性を確実に予測する方法を示す。

関連論文リスト

PDFA Distillation via String Probability Queries [6.767885381740953]
本稿では,確率的決定論的有限オートマトン (PDFA) をニューラルネットワークから抽出するアルゴリズムを提案する。我々のアルゴリズムはL#アルゴリズムの派生であり、新しいタイプのクエリからPDFAを学習することができる。訓練されたニューラルネットワークの集合からPDFAを蒸留することにより、最近の公開データセット上での有効性を示す。
論文参考訳（メタデータ） (2024-06-26T13:16:40Z)
Auto-FP: An Experimental Study of Automated Feature Preprocessing for Tabular Data [10.740391800262685]
機能前処理は、優れたモデル品質を保証するための重要なステップです。大規模な検索スペースのため、ブルートフォースソリューションは違法に高価である。我々は、Auto-FP問題を解決するために、様々なHPOおよびNASアルゴリズムを拡張した。
論文参考訳（メタデータ） (2023-10-04T02:46:44Z)
How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文参考訳（メタデータ） (2023-06-04T08:53:27Z)
TAP: Accelerating Large-Scale DNN Training Through Tensor Automatic Parallelisation [19.009600866053923]
本稿では,最適なデータとテンソル並列スケジュールを自動的に検索するモデル並列化フレームワークTAPを提案する。実験によると、TAPは最先端の自動並列処理フレームワークよりも20ドルから160ドル高速である。
論文参考訳（メタデータ） (2023-02-01T05:22:28Z)
Pathfinding Neural Cellular Automata [23.831530224401575]
Pathfindingは、ロボットパス計画、トランスポートルーティング、ゲームプレイなど、幅広い複雑なAIタスクの重要なサブコンポーネントである。我々は, Breadth-First Search (BFS) のモデル,すなわち最短経路探索のハンドコードと学習を行う。本稿では、Depth-First Search(DFS)のニューラル実装を提案し、グラフの直径を計算するためのNAAを生成するために、ニューラルネットワークBFSと組み合わせる方法について概説する。我々は,これらの手書きNCAに触発されたアーキテクチャ変更を実験し,グリッド迷路の直径問題を解くためにゼロからネットワークをトレーニングし,高い能力の一般化を示した。
論文参考訳（メタデータ） (2023-01-17T11:45:51Z)
Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design [68.1682448368636]
本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
論文参考訳（メタデータ） (2022-03-29T21:18:47Z)
Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
論文参考訳（メタデータ） (2021-08-19T15:39:52Z)
ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文参考訳（メタデータ） (2021-04-11T12:14:04Z)
Automated Machine Learning on Graphs: A Survey [81.21692888288658]
本稿では,グラフ上の自動機械学習の体系的かつ包括的レビューを行う。グラフ機械学習のためのハイパーパラメータ最適化(HPO)とニューラルアーキテクチャ探索(NAS)に注目した。最後に、自動化グラフ機械学習の今後の研究方向に関する洞察を共有します。
論文参考訳（メタデータ） (2021-03-01T04:20:33Z)
Stacking Neural Network Models for Automatic Short Answer Scoring [0.0]
本稿では,ニューラルネットワークとXGBoostに基づく重ね合わせモデルを用いて文埋め込み機能を持つ分類プロセスを提案する。ベストモデルではF1スコアの0.821が、同じデータセットで前の作業を上回った。
論文参考訳（メタデータ） (2020-10-21T16:00:09Z)
Induction and Exploitation of Subgoal Automata for Reinforcement Learning [75.55324974788475]
本稿では,Regressed Learning (RL)タスクにおけるサブゴールの学習と活用のためのISAを提案する。 ISAは、タスクのサブゴールによってエッジがラベル付けされたオートマトンであるサブゴールオートマトンを誘導することで強化学習をインターリーブする。サブゴールオートマトンはまた、タスクの完了を示す状態と、タスクが成功せずに完了したことを示す状態の2つの特別な状態で構成されている。
論文参考訳（メタデータ） (2020-09-08T16:42:55Z)

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。