Fugu-MT 論文翻訳(概要): Positive Dependency Graphs Revisited

論文の概要: Positive Dependency Graphs Revisited

arxiv url: http://arxiv.org/abs/2207.08579v1
Date: Mon, 18 Jul 2022 13:17:13 GMT
ステータス: 処理完了
システム内更新日: 2022-07-19 18:19:34.503546
Title: Positive Dependency Graphs Revisited
Title（参考訳）: 正の依存関係グラフの再検討
Authors: Jorge Fandinno and Vladimir Lifschitz
Abstract要約: 安定モデルの理論は、解集合プログラミングの数学的基礎である。新たな肯定的依存性の理解により、これらの結果のいくつかを強化することができる。
参考スコア（独自算出の注目度）: 7.513733974830771
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Theory of stable models is the mathematical basis of answer set programming. Several results in that theory refer to the concept of the positive dependency graph of a logic program. We describe a modification of that concept and show that the new understanding of positive dependency makes it possible to strengthen some of these results. Under consideration in Theory and Practice of Logic Programming (TPLP).
Abstract（参考訳）: 安定モデルの理論は、解集合プログラミングの数学的基礎である。この理論におけるいくつかの結果は、論理プログラムの正の依存グラフの概念を指す。本稿では,この概念の修正について述べるとともに,肯定的依存に対する新たな理解によって,これらの結果のいくつかを強化することができることを示す。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

On the Diagram of Thought [12.304069891580658]
大規模言語モデル(LLM)における反復推論をモデル化するフレームワークであるDiagram of Thought(DoT)を紹介する。 DoTは提案、批評、洗練、検証を結合的なDAG構造に整理し、モデルが複雑な推論経路を探索できるようにする。我々は、トポス理論を用いてDoTフレームワークを形式化し、論理的一貫性と推論過程の健全性を保証する数学的基盤を提供する。
論文参考訳（メタデータ） (2024-09-16T07:01:41Z)
Foundations and Frontiers of Graph Learning Theory [81.39078977407719]
グラフ学習の最近の進歩は、複雑な構造を持つデータを理解し分析する方法に革命をもたらした。グラフニューラルネットワーク(GNN)、すなわちグラフ表現を学習するために設計されたニューラルネットワークアーキテクチャは、一般的なパラダイムとなっている。本稿では,グラフ学習モデルに固有の近似と学習行動に関する理論的基礎とブレークスルーについて概説する。
論文参考訳（メタデータ） (2024-07-03T14:07:41Z)
Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文参考訳（メタデータ） (2024-01-10T02:38:21Z)
Minding Language Models' (Lack of) Theory of Mind: A Plug-and-Play Multi-Character Belief Tracker [72.09076317574238]
ToMは,読解における文字の信念状態を調べるためのプラグアンドプレイ方式である。 ToMは、教師付きベースラインと比較して、配電性能が堅牢でありながら、ゼロオーダー設定でのオフ・ザ・シェルフニューラルネットワーク理論の考え方を強化する。
論文参考訳（メタデータ） (2023-06-01T17:24:35Z)
A Simple Generative Model of Logical Reasoning and Statistical Learning [0.6853165736531939]
統計的学習と論理的推論は、AIの2つの主要な分野であり、人間のようなマシンインテリジェンスに統一されることが期待されている。本稿では、論理的推論と統計的学習の単純なベイズモデルを提案する。我々は、形式論理におけるその満足度の観点から、データがどのように象徴的知識を引き起こすかをモデル化する。
論文参考訳（メタデータ） (2023-05-18T16:34:51Z)
Sequential decomposition of propositional logic programs [0.0]
本稿では,プログラム間のグリーンの関係を研究することによって,プログラムの逐次分解について検討する。より広い意味では、この論文は論理プログラミングの代数的理論へのさらなる一歩である。
論文参考訳（メタデータ） (2023-02-21T16:14:57Z)
Generative Logic with Time: Beyond Logical Consistency and Statistical Possibility [0.6853165736531939]
本稿では,データから記号的知識を生成する時間確率モデルを提案する。モデルの正しさは、コルモゴロフの公理、フェンシュタットの定理、最大推定値との整合性の観点から正当化される。
論文参考訳（メタデータ） (2023-01-20T10:55:49Z)
Reactive Answer Set Programming [2.7286395031146062]
Logic Production System (LPS)は、リアクティブな振る舞いをモデル化するためのロジックベースのフレームワークである。本稿では,このフレームワーク(KELPS)のカーネルを解集合プログラム(ASP)に体系的にマッピングする。
論文参考訳（メタデータ） (2021-09-22T10:10:14Z)
Neural Logic Reasoning [47.622957656745356]
本稿では,ディープラーニングと論理推論の能力を統合するために,論理統合ニューラルネットワーク(LINN)を提案する。 LINNは、神経モジュールとしてAND、OR、NOTなどの基本的な論理操作を学び、推論のためにネットワークを通して命題論理推論を行う。実験の結果、LINNはTop-Kレコメンデーションにおいて最先端のレコメンデーションモデルを大幅に上回っていることがわかった。
論文参考訳（メタデータ） (2020-08-20T14:53:23Z)
Learning Reasoning Strategies in End-to-End Differentiable Proving [50.9791149533921]
条件付き定理プローバーは勾配に基づく最適化により最適規則選択戦略を学習する。条件付き定理プローサは拡張性があり、CLUTRRデータセット上で最先端の結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-13T16:22:14Z)
Evaluating Logical Generalization in Graph Neural Networks [59.70452462833374]
グラフニューラルネットワーク(GNN)を用いた論理一般化の課題について検討する。ベンチマークスイートであるGraphLogでは、学習アルゴリズムが異なる合成論理でルール誘導を実行する必要がある。モデルが一般化し適応する能力は、トレーニング中に遭遇する論理規則の多様性によって強く決定される。
論文参考訳（メタデータ） (2020-03-14T05:45:55Z)

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。