論文の概要: Learning Automata-Based Complex Event Patterns in Answer Set Programming
- arxiv url: http://arxiv.org/abs/2208.14820v1
- Date: Wed, 31 Aug 2022 12:40:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-01 13:21:02.758486
- Title: Learning Automata-Based Complex Event Patterns in Answer Set Programming
- Title(参考訳): 解集合プログラミングにおけるオートマトンに基づく複合イベントパターンの学習
- Authors: Nikos Katzouris and Georgios Paliouras
- Abstract要約: 本稿では,過渡応答条件をASP(Answer Set Programming)ルールで定義するオートマトン群を提案する。
我々は、ASPにおけるこのような学習アプローチと、そのインクリメンタルバージョンを示し、効率性のために最適性を交換し、大規模なデータセットにスケールすることができる。
我々は2つのCERデータセットに対するアプローチを評価し、それを最先端のオートマトン学習技術と比較し、経験的に優れた性能を示す。
- 参考スコア(独自算出の注目度): 0.30458514384586405
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Complex Event Recognition and Forecasting (CER/F) techniques attempt to
detect, or even forecast ahead of time, event occurrences in streaming input
using predefined event patterns. Such patterns are not always known in advance,
or they frequently change over time, making machine learning techniques,
capable of extracting such patterns from data, highly desirable in CER/F. Since
many CER/F systems use symbolic automata to represent such patterns, we propose
a family of such automata where the transition-enabling conditions are defined
by Answer Set Programming (ASP) rules, and which, thanks to the strong
connections of ASP to symbolic learning, are directly learnable from data. We
present such a learning approach in ASP and an incremental version thereof that
trades optimality for efficiency and is capable to scale to large datasets. We
evaluate our approach on two CER datasets and compare it to state-of-the-art
automata learning techniques, demonstrating empirically a superior performance,
both in terms of predictive accuracy and scalability.
- Abstract(参考訳): 複雑なイベント認識および予測(cer/f)技術は、事前定義されたイベントパターンを使用してストリーミング入力で発生したイベントを検出したり予測したりする。
このようなパターンは常に事前には知られておらず、時間とともに頻繁に変化し、cer/fで非常に望ましいデータからそのようなパターンを抽出することができる機械学習技術を作る。
このようなパターンを表現するために、多くのcer/fシステムはシンボリックオートマトンを使用するため、aspとシンボリックラーニングの強いつながりにより、データから直接学習可能な、asp(response set programming)ルールによってトランジッションエナリング条件が定義されるようなオートマトンファミリを提案する。
本稿では、aspにおけるこのような学習アプローチと、その最適化を効率性に転換し、大規模データセットにスケール可能なインクリメンタルバージョンを提案する。
このアプローチを2つのcerデータセット上で評価し,最先端オートマトン学習手法と比較し,予測精度とスケーラビリティの両面で,実証的に優れた性能を示す。
関連論文リスト
- Self-Supervised Representation Learning from Temporal Ordering of
Automated Driving Sequences [49.91741677556553]
本研究では、認識タスクのための地域レベルの特徴表現を事前学習するための時間順述前文タスクであるTempOを提案する。
我々は各フレームを、オブジェクト検出やトラッキングシステムにとって自然な表現である、未順序な特徴ベクトルのセットで埋め込む。
BDD100K、nu Images、MOT17データセットの大規模な評価は、私たちのTempO事前学習アプローチがシングルフレームの自己教師型学習方法よりも優れていることを示している。
論文 参考訳(メタデータ) (2023-02-17T18:18:27Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳(メタデータ) (2021-12-22T14:45:37Z) - Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。
我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
論文 参考訳(メタデータ) (2021-10-19T17:41:43Z) - Complex Event Forecasting with Prediction Suffix Trees: Extended
Technical Report [70.7321040534471]
複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。
このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。
複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
論文 参考訳(メタデータ) (2021-09-01T09:52:31Z) - Self-service Data Classification Using Interactive Visualization and
Interpretable Machine Learning [9.13755431537592]
Iterative Visual Logical (IVLC) は、解釈可能な機械学習アルゴリズムである。
IVLCは、医療領域における癌データのような機密で重要なデータを扱う際に特に有用である。
この章では、新しいコーディネートオーダー(COO)アルゴリズムと遺伝的アルゴリズムを組み合わせた自動分類手法を提案する。
論文 参考訳(メタデータ) (2021-07-11T05:39:14Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳(メタデータ) (2021-06-14T11:42:46Z) - PSEUDo: Interactive Pattern Search in Multivariate Time Series with
Locality-Sensitive Hashing and Relevance Feedback [3.347485580830609]
PSEUDoは、マルチトラックシーケンシャルデータにおける視覚パターンを探索するための適応的機能学習技術である。
提案アルゴリズムは,サブ線形学習と推論時間を特徴とする。
我々は,PSEUDoの効率,精度,操縦性において優位性を示す。
論文 参考訳(メタデータ) (2021-04-30T13:00:44Z) - Online Learning Probabilistic Event Calculus Theories in Answer Set
Programming [70.06301658267125]
イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。
本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。
その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
論文 参考訳(メタデータ) (2021-03-31T23:16:29Z) - AgEBO-Tabular: Joint Neural Architecture and Hyperparameter Search with
Autotuned Data-Parallel Training for Tabular Data [11.552769149674544]
大規模データセットに対する高性能な予測モデルの開発は難しい課題である。
最近の自動機械学習(AutoML)は、予測モデル開発を自動化するための有望なアプローチとして現れている。
我々は,老化進化(AgE)とニューラルアーキテクチャ空間を探索する並列NAS法を組み合わせたAgEBO-Tabularを開発した。
論文 参考訳(メタデータ) (2020-10-30T16:28:48Z) - ARDA: Automatic Relational Data Augmentation for Machine Learning [23.570173866941612]
本稿では,データセットとデータレポジトリを入力とし,拡張データセットを出力するエンド・ツー・エンドシステムを提案する。
本システムは,(1)入力の様々な属性に基づいて,入力データとデータを検索し結合するフレームワークと,(2)入力データからノイズや不適切な特徴を抽出する効率的な特徴選択アルゴリズムの2つの特徴を有する。
論文 参考訳(メタデータ) (2020-03-21T21:55:22Z)
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。