Fugu-MT 論文翻訳(概要): The Many-Worlds Calculus

論文の概要: The Many-Worlds Calculus

arxiv url: http://arxiv.org/abs/2206.10234v4
Date: Fri, 25 Oct 2024 16:57:24 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-28 13:34:02.393670
Title: The Many-Worlds Calculus
Title（参考訳）: The many-Worlds Calculus
Authors: Kostia Chardonnet, Marc de Visme, Benoît Valiron, Renaud Vilmart,
Abstract要約: このフレームワークで計算をモデル化するための色付きPROPを提案する。このモデルは、通常のテスト、確率的および非決定論的分岐、および量子分岐をサポートすることができる。我々は、言語が普遍的であることを証明し、方程式理論は、この意味論に関して完備であるべきである。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In this paper, we explore the interaction between two monoidal structures: a multiplicative one, for the encoding of pairing, and an additive one, for the encoding of choice. We propose a colored PROP to model computation in this framework, where the choice is parameterized by an algebraic side effect: the model can support regular tests, probabilistic and non-deterministic branching, as well as quantum branching, i.e. superposition. The graphical language comes equipped with a denotational semantics based on linear applications, and an equational theory. We prove the language to be universal, and the equational theory to be complete with respect to this semantics.
Abstract（参考訳）: 本稿では,ペアリングの符号化のための乗法的構造と,選択の符号化のための加法的構造という,2つのモノイド構造間の相互作用について検討する。本稿では,代数的副作用によって選択がパラメータ化され,正規テスト,確率的および非決定論的分岐,量子分岐,すなわち重ね合わせ(superposition)がサポートされる。グラフィカル言語は線形応用に基づく意味論と方程式理論を備えている。我々は、言語が普遍的であることを証明し、方程式理論は、この意味論に関して完備であるべきである。

関連論文リスト

Shape Arithmetic Expressions: Advancing Scientific Discovery Beyond Closed-Form Equations [56.78271181959529]
GAM(Generalized Additive Models)は、変数とターゲットの間の非線形関係をキャプチャできるが、複雑な特徴相互作用をキャプチャすることはできない。本稿では,GAMのフレキシブルな形状関数と,数学的表現に見られる複雑な特徴相互作用を融合させる形状表現算術(SHARE)を提案する。また、標準制約を超えた表現の透明性を保証するSHAREを構築するための一連のルールを設計する。
論文参考訳（メタデータ） (2024-04-15T13:44:01Z)
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)
Lexinvariant Language Models [84.2829117441298]
離散語彙記号から連続ベクトルへの写像であるトークン埋め込みは、任意の言語モデル(LM)の中心にある我々は、語彙記号に不変であり、したがって実際に固定トークン埋め込みを必要としないテクスチトレキシン変種モデルについて研究する。十分長い文脈を条件として,レキシン変項LMは標準言語モデルに匹敵する難易度が得られることを示す。
論文参考訳（メタデータ） (2023-05-24T19:10:46Z)
Mathematical Foundations for a Compositional Account of the Bayesian Brain [0.0]
現代応用圏論のツールを用いて、近似推論のための関手意味論を提供する。統計ゲームのフィブレーションを定義し、統計的推論の様々な問題を対応する部分として分類する。我々は,自由エネルギー原理の下で,予測符号化ニューラルネットワークの構成構造を説明する関手を構築した。
論文参考訳（メタデータ） (2022-12-23T18:58:17Z)
Equivariance with Learned Canonicalization Functions [77.32483958400282]
正規化を行うために小さなニューラルネットワークを学習することは、事前定義を使用することよりも優れていることを示す。実験の結果,正準化関数の学習は多くのタスクで同変関数を学習する既存の手法と競合することがわかった。
論文参考訳（メタデータ） (2022-11-11T21:58:15Z)
Multiparameter Persistent Homology-Generic Structures and Quantum Computing [0.0]
本稿では、トポロジカルデータ解析における持続的ホモロジーの研究への可換代数の応用について述べる。このような分解能の一般的な構造と分類空間は、数十年にわたる研究結果を用いて研究されている。
論文参考訳（メタデータ） (2022-10-20T17:30:20Z)
Learning Algebraic Recombination for Compositional Generalization [71.78771157219428]
合成一般化のための代数的組換え学習のためのエンドツーエンドニューラルモデルLeARを提案する。主要な洞察は、意味解析タスクを潜在構文代数学と意味代数学の間の準同型としてモデル化することである。 2つの現実的・包括的構成一般化の実験は、我々のモデルの有効性を実証している。
論文参考訳（メタデータ） (2021-07-14T07:23:46Z)
A Study of Continuous Vector Representationsfor Theorem Proving [2.0518509649405106]
我々は,論理特性の保存と可逆性を考慮したエンコードを開発した。これは、すべての記号を含む公式のツリー形状が密度ベクトル表現から再構築できることを意味する。これらの構文的および意味的特性のトレーニングに使用できるデータセットを提案する。
論文参考訳（メタデータ） (2021-01-22T15:04:54Z)
Smart Choices and the Selection Monad [0.0]
選択と結果のコストと報酬の観点からシステムを記述することは、アルゴリズム設計者やプログラマが選択をどのように行うべきかを自由にする、という約束を提供する。意思決定の抽象化をサポートする2つの小さな言語を定義します。
論文参考訳（メタデータ） (2020-07-17T12:13:16Z)
Lattice Representation Learning [6.427169570069738]
ユークリッド空間に埋め込まれた格子を利用する離散表現を学習するための理論とアルゴリズムを導入する。格子表現は興味深い性質の組み合わせを持つ:a) 格子量子化を用いて明示的に計算できるが、導入したアイデアを使って効率的に学習することができる。この記事では、トレーニングや推論時間に使用される式をリンクする新しい数学的結果や、2つの一般的なデータセットに対する実験的な検証など、最初の2つの特性を探索し、活用するための基盤の整備に焦点をあてる。
論文参考訳（メタデータ） (2020-06-24T16:05:11Z)
The data-driven physical-based equations discovery using evolutionary approach [77.34726150561087]
与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
論文参考訳（メタデータ） (2020-04-03T17:21:57Z)

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。