論文の概要: Learning Symmetric Rules with SATNet
- arxiv url: http://arxiv.org/abs/2206.13998v1
- Date: Tue, 28 Jun 2022 13:36:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-01 11:34:07.768720
- Title: Learning Symmetric Rules with SATNet
- Title（参考訳）: satnetによる対称規則の学習
- Authors: Sangho Lim, Eun-Gyeol Oh, Hongseok Yang
- Abstract要約: SATNet のパラメータの条件に対象ルールの所定の対称性を変換する SATNet の変種である SymSATNet を提案する。
また,実例から対象ルールの対称性を自動的に検出する手法についても述べる。
スドクとルービックキューブを用いた実験により,SymSATNetがベースラインSATNetよりも大幅に向上したことを示す。
- 参考スコア（独自算出の注目度）: 9.238700679836855
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SATNet is a differentiable constraint solver with a custom backpropagation
algorithm, which can be used as a layer in a deep-learning system. It is a
promising proposal for bridging deep learning and logical reasoning. In fact,
SATNet has been successfully applied to learn, among others, the rules of a
complex logical puzzle, such as Sudoku, just from input and output pairs where
inputs are given as images. In this paper, we show how to improve the learning
of SATNet by exploiting symmetries in the target rules of a given but unknown
logical puzzle or more generally a logical formula. We present SymSATNet, a
variant of SATNet that translates the given symmetries of the target rules to a
condition on the parameters of SATNet and requires that the parameters should
have a particular parametric form that guarantees the condition. The
requirement dramatically reduces the number of parameters to learn for the
rules with enough symmetries, and makes the parameter learning of SymSATNet
much easier than that of SATNet. We also describe a technique for automatically
discovering symmetries of the target rules from examples. Our experiments with
Sudoku and Rubik's cube show the substantial improvement of SymSATNet over the
baseline SATNet.
- Abstract（参考訳）: SATNetは、独自のバックプロパゲーションアルゴリズムを備えた、微分可能な制約解決器であり、ディープラーニングシステムのレイヤとして使用できる。
これは深層学習と論理的推論を橋渡しする有望な提案である。
実際、SATNetは、入力がイメージとして与えられる入力ペアと出力ペアからのみ、sudokuのような複雑な論理パズルのルールを学ぶためにうまく応用されている。
本稿では、与えられたが未知の論理パズルのターゲットルールやより一般に論理公式の対称性を利用してSATNetの学習を改善する方法について述べる。
SATNet のパラメータの条件に対象ルールの所定の対称性を変換する SATNet の変種である SymSATNet を提案する。
この要件は、十分な対称性でルールを学ぶためのパラメータ数を劇的に減らし、SymSATNetのパラメータ学習をSATNetよりもはるかに容易にする。
また,対象ルールの対称性を例から自動的に発見する手法についても述べる。
本研究では,SymSATNetをベースラインSATNetよりも大幅に改善したことを示す。
関連論文リスト
- GraSS: Combining Graph Neural Networks with Expert Knowledge for SAT Solver Selection [45.222591894755105]
インスタンスの3部グラフ表現に基づくSATソルバ自動選択のための新しいアプローチであるGraSSを提案する。
我々は、新しいノードの特徴設計のようなドメイン固有の決定でグラフ表現を豊かにします。
生の表現とドメイン固有の選択の組み合わせが実行時の改善につながることを実証する。
論文 参考訳（メタデータ） (2024-05-17T18:00:50Z) - General Method for Solving Four Types of SAT Problems [12.28597116379225]
既存の方法は、様々なタイプのブール適合性問題(SAT)に対して様々なアルゴリズムを提供する。
本研究では,整数計画法と強化学習法(RL)に基づく統合フレームワークDCSATを提案する。
論文 参考訳（メタデータ） (2023-12-27T06:09:48Z) - Assessing SATNet's Ability to Solve the Symbol Grounding Problem [19.52506478494672]
SATNetは、論理ルールの推論に使用でき、ディープニューラルネットワークの微分可能な層として統合される、賞を受賞したMAXSATソルバである。
本研究では,個々のSudoku桁の画像を論理的表現で識別する中間ラベルがない場合,SATNetは視覚的Sudokuでは完全にフェールすることを示す。
そこで本研究では, MNIST に基づく検定をシンボル基底問題の簡単な例として提案し, 一般の微分可能な記号解法に対する正当性チェックとして機能する。
論文 参考訳（メタデータ） (2023-12-13T04:29:32Z) - Learning Reliable Logical Rules with SATNet [7.951021955925275]
我々は、入力出力の例から基礎となるルールを学習する差別化可能なMaxSATソルバSATNetの上に構築する。
基礎的真理規則に対して有効な検証手法をいくつか導入する。
ストリームトランスフォーメーションとスドク問題に関する実験は、デコードされたルールが信頼性が高いことを示している。
論文 参考訳（メタデータ） (2023-10-03T15:14:28Z) - A hybrid Quantum proposal to deal with 3-SAT problem [75.38606213726906]
本稿では,3SAT問題を解くためのハイブリッド量子コンピューティング戦略について述べる。
この近似の性能は、量子コンピューティングの観点から3-SATを扱う際に、一連の代表的なシナリオで検証されている。
論文 参考訳（メタデータ） (2023-06-07T12:19:22Z) - SatLM: Satisfiability-Aided Language Models Using Declarative Prompting [68.40726892904286]
本研究では,大規模言語モデル (LLM) の推論能力を向上させるために,新しい満足度支援言語モデリング (SatLM) 手法を提案する。
我々はLLMを用いて命令型プログラムではなく宣言型タスク仕様を生成し、既製の自動定理証明器を利用して最終解を導出する。
我々はSATLMを8つの異なるデータセット上で評価し、命令パラダイムにおいてプログラム支援されたLMよりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2023-05-16T17:55:51Z) - Estimating the hardness of SAT encodings for Logical Equivalence
Checking of Boolean circuits [58.83758257568434]
LEC インスタンスの SAT 符号化の硬さは SAT パーティショニングでは textitw.r. と推定できることを示す。
そこで本研究では, SAT符号化の難易度を精度良く推定できるパーティショニング法を提案する。
論文 参考訳（メタデータ） (2022-10-04T09:19:13Z) - A Neural Network-based SAT-Resilient Obfuscation Towards Enhanced Logic
Locking [3.076761061950216]
本稿では,ニューラルネットワークを用いた unSAT 節変換器 SATConda を提案する。
SATCondaは最小限の領域と電力オーバーヘッドを発生させ、元の機能を不必要なセキュリティで保存する。
SATCondaをISCAS85およびISCAS89ベンチマークで評価した。
論文 参考訳（メタデータ） (2022-09-13T07:59:27Z) - DeepSAT: An EDA-Driven Learning Framework for SAT [9.111341161918375]
We present DeepSAT, a novel-to-end learning framework for the Boolean satisfiability (SAT) problem。
DeepSATは最先端の学習ベースSATソリューションに対して,大幅な精度向上を実現している。
論文 参考訳（メタデータ） (2022-05-27T03:20:42Z) - Dual Lottery Ticket Hypothesis [71.95937879869334]
Lottery Ticket hypothesis (LTH)は、スパースネットワークトレーニングを調査し、その能力を維持するための新しい視点を提供する。
本稿では,LTHの当選チケットをトレーニング可能なサブネットワークとして,その性能をベンチマークとして検討する。
本稿では,簡単なスパースネットワークトレーニング戦略であるランダムスパースネットワークトランスフォーメーション(RST)を提案し,DLTHを裏付ける。
論文 参考訳（メタデータ） (2022-03-08T18:06:26Z) - Transformer-based Machine Learning for Fast SAT Solvers and Logic
Synthesis [63.53283025435107]
CNFベースのSATとMaxSATは論理合成と検証システムの中心である。
そこで本研究では,Transformerアーキテクチャから派生したワンショットモデルを用いて,MaxSAT問題の解法を提案する。
論文 参考訳（メタデータ） (2021-07-15T04:47:35Z)
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。