論文の概要: Changing agents and ascribing beliefs in dynamic epistemic logic
- arxiv url: http://arxiv.org/abs/2211.02452v3
- Date: Wed, 29 Mar 2023 10:42:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 18:36:46.167555
- Title: Changing agents and ascribing beliefs in dynamic epistemic logic
- Title（参考訳）: 動的てんかん論理におけるエージェントの変化と説明的信念
- Authors: Shikha Singh, Kamal Lodaya and Deepak Khemani
- Abstract要約: アクションフレームはエージェントの追加や削除のために拡張され、エージェント更新フレームと呼ばれます。
これを選択的に行うことで、いくつかの特定のエージェントだけが更新に関する情報を取得し、いくつかの興味深い例をモデル化することができる。
エージェント更新フレームをベースとした動的エピステマティックロジックの更新は,引き続き健全かつ完全な証明システムを有することを示す。
- 参考スコア（独自算出の注目度）: 5.064813271922963
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In dynamic epistemic logic (Van Ditmarsch, Van Der Hoek, & Kooi, 2008) it is
customary to use an action frame (Baltag & Moss, 2004; Baltag, Moss, & Solecki,
1998) to describe different views of a single action. In this article, action
frames are extended to add or remove agents, we call these agent-update frames.
This can be done selectively so that only some specified agents get information
of the update, which can be used to model several interesting examples such as
private update and deception, studied earlier by Baltag and Moss (2004); Sakama
(2015); Van Ditmarsch, Van Eijck, Sietsma, and Wang (2012). The product update
of a Kripke model by an action frame is an abbreviated way of describing the
transformed Kripke model which is the result of performing the action. This is
substantially extended to a sum-product update of a Kripke model by an
agent-update frame in the new setting. These ideas are applied to an AI problem
of modelling a story. We show that dynamic epistemic logics, with update
modalities now based on agent-update frames, continue to have sound and
complete proof systems. Decision procedures for model checking and
satisfiability have expected complexity. For a sublanguage, there are
polynomial space algorithms.
- Abstract（参考訳）: 動的てんかん論理(Van Ditmarsch, Van Der Hoek, & Kooi, 2008)では、アクションフレーム(Baltag & Moss, 2004; Baltag, Moss, & Solecki, 1998)を使用して単一のアクションの異なるビューを記述するのが慣例である。
本稿では、アクションフレームを拡張してエージェントの追加や削除を行い、エージェント更新フレームと呼ぶ。
これは、baltag and moss(2004年)、sakama(2015年)、van ditmarsch、van eijck、sietsma、wang(2012年)によって研究されたプライベートアップデートやデセプションなど、いくつかの興味深い例をモデル化するために使用できる。
アクションフレームによるkripkeモデルの製品更新は、アクションの実行結果である変換されたkripkeモデルを記述するための省略された方法である。
これは、新しい設定におけるエージェント更新フレームによって、クリプキモデルの総積更新に実質的に拡張される。
これらのアイデアは、ストーリーをモデル化するAI問題に適用されます。
エージェント更新フレームをベースとした動的エピステマティックロジックの更新は,引き続き健全かつ完全な証明システムを有することを示す。
モデル検査と満足度の決定手順は複雑さを期待している。
部分言語には多項式空間アルゴリズムがある。
関連論文リスト
- StoryAgent: Customized Storytelling Video Generation via Multi-Agent Collaboration [88.94832383850533]
CSVG(Customized Storytelling Video Generation)のためのマルチエージェントフレームワークを提案する。
StoryAgentはCSVGを特殊エージェントに割り当てられた個別のサブタスクに分解し、プロの制作プロセスを反映する。
具体的には、撮影時間内整合性を高めるために、カスタマイズされたイメージ・ツー・ビデオ(I2V)手法であるLoRA-BEを導入する。
コントリビューションには、ビデオ生成タスクのための汎用フレームワークであるStoryAgentの導入や、プロタゴニストの一貫性を維持するための新しい技術が含まれている。
論文 参考訳（メタデータ） (2024-11-07T18:00:33Z) - State Space Model for New-Generation Network Alternative to Transformers: A Survey [52.812260379420394]
深層学習時代において、Transformerアーキテクチャは、トレーニング済みのビッグモデルとさまざまなダウンストリームタスクにまたがる強力なパフォーマンスを示してきた。
注意モデルの複雑さをさらに軽減するために、より効率的な手法を設計するための多くの努力がなされている。
その中でも、自己注意に基づくトランスフォーマーモデルの代替として、ステートスペースモデル(SSM)が近年ますます注目を集めている。
論文 参考訳（メタデータ） (2024-04-15T07:24:45Z) - Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。
車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。
我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
論文 参考訳（メタデータ） (2023-12-07T18:53:27Z) - SceneDM: Scene-level Multi-agent Trajectory Generation with Consistent
Diffusion Models [10.057312592344507]
本研究では,SceneDMと呼ばれる拡散モデルに基づく新しいフレームワークを提案する。
SceneDMはSim Agents Benchmarkで最先端の結果を得る。
論文 参考訳（メタデータ） (2023-11-27T11:39:27Z) - MGit: A Model Versioning and Management System [7.2678752235785735]
MGitはモデルバージョニングと管理システムであり、モデルデリバティブの保存、テスト、更新、コラボレーションを容易にする。
MGitは、ライングラフのストレージフットプリントを最大7倍に削減し、アップストリームモデルの更新に応じて、ダウンストリームモデルを自動的に更新する。
論文 参考訳（メタデータ） (2023-07-14T17:56:48Z) - SimOn: A Simple Framework for Online Temporal Action Localization [51.27476730635852]
一般的なTransformerアーキテクチャを用いて,アクションインスタンスの予測を学習するSimOnというフレームワークを提案する。
THUMOS14とActivityNet1.3データセットの実験結果は、我々のモデルが従来の手法よりも著しく優れていることを示している。
論文 参考訳（メタデータ） (2022-11-08T04:50:54Z) - Revision Transformers: Instructing Language Models to Change their
Values [21.645935518842744]
現在のトランスフォーマー言語モデル(LM)は数十億のパラメータを持つ大規模モデルである。
モデル更新を容易にするリビジョントランス (RiT) を提案する。
明確に構造化されたリビジョンエンジンで世界知識を拡散的に符号化する大規模な事前学習型LMの特定の組み合わせにより、モデルの知識をほとんど努力せずに更新し、ユーザーインタラクションの助けを借りることができる。
論文 参考訳（メタデータ） (2022-10-19T07:05:06Z) - CARE: Coherent Actionable Recourse based on Sound Counterfactual
Explanations [0.0]
本稿では,モデルおよびユーザレベルのデシダータに対処するモジュール型説明フレームワークであるCAREを紹介する。
モデルに依存しないアプローチとして、CAREはブラックボックスモデルに対して複数の多様な説明を生成する。
論文 参考訳（メタデータ） (2021-08-18T15:26:59Z) - MoCo-Flow: Neural Motion Consensus Flow for Dynamic Humans in Stationary
Monocular Cameras [98.40768911788854]
4次元連続時間変動関数を用いて動的シーンをモデル化する表現であるMoCo-Flowを紹介する。
私たちの研究の中心には、運動フロー上の運動コンセンサス正規化によって制約される、新しい最適化の定式化がある。
複雑度の異なる人間の動きを含む複数のデータセット上でMoCo-Flowを広範囲に評価した。
論文 参考訳（メタデータ） (2021-06-08T16:03:50Z) - Weakly-Supervised Action Localization by Generative Attention Modeling [65.03548422403061]
弱教師付き時間的行動ローカライゼーションは、ビデオレベルの行動ラベルのみを利用できるアクションローカライゼーションモデルを学習する問題である。
条件付き変分自動エンコーダ(VAE)を用いたフレームアテンションのクラス非依存型条件付き確率をモデル化する。
注意に関する条件確率を最大化することにより、アクションフレームと非アクションフレームは適切に分離される。
論文 参考訳（メタデータ） (2020-03-27T14:02:56Z)
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。