Fugu-MT 論文翻訳(概要): Parameterisation of Reasoning on Temporal Markov Logic Networks

論文の概要: Parameterisation of Reasoning on Temporal Markov Logic Networks

arxiv url: http://arxiv.org/abs/2211.16414v1
Date: Tue, 29 Nov 2022 17:40:15 GMT
ステータス: 処理完了
システム内更新日: 2022-11-30 17:16:43.040846
Title: Parameterisation of Reasoning on Temporal Markov Logic Networks
Title（参考訳）: 時間マルコフ論理ネットワークにおける推論のパラメータ化
Authors: Victor David, Rapha\"el Fournier-S'niehotta, Nicolas Travers
Abstract要約: 我々は,その有効性を特定するために,時間間隔で拡張された知識グラフデータに注目した。時間的マルコフ論理ネットワーク(TMLN)における最適A-Posteriori推論のための意味論の原理を提案する。
参考スコア（独自算出の注目度）: 2.9005223064604078
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We aim at improving reasoning on inconsistent and uncertain data. We focus on knowledge-graph data, extended with time intervals to specify their validity, as regularly found in historical sciences. We propose principles on semantics for efficient Maximum A-Posteriori inference on the new Temporal Markov Logic Networks (TMLN) which extend the Markov Logic Networks (MLN) by uncertain temporal facts and rules. We examine total and partial temporal (in)consistency relations between sets of temporal formulae. Then we propose a new Temporal Parametric Semantics, which may combine several sub-functions, allowing to use different assessment strategies. Finally, we expose the constraints that semantics must respect to satisfy our principles.
Abstract（参考訳）: 不整合と不確実性に関する推論を改善することを目指す。歴史科学で定期的に見られるように,知識グラフデータに着目し,その妥当性を時間間隔で指定する。本稿では,マルコフ論理ネットワーク(MLN)を時間的事実や規則によって拡張する新しい時間的マルコフ論理ネットワーク(TMLN)について,効率的なA-Posteriori推論のためのセマンティクスの原理を提案する。時間式集合間の全時間的(部分的)整合性関係について検討する。次に,複数の部分関数を結合し,異なる評価戦略を適用できる新たな時間的パラメトリック意味論を提案する。最後に、私たちの原則を満たすために意味論が尊重しなければならない制約を明らかにします。

関連論文リスト

Counterfactual-Consistency Prompting for Relative Temporal Understanding in Large Language Models [24.586475741345616]
本稿では, 大規模言語モデル(LLM)における時間的不整合の問題に対処し, 新たな対実的プロンプト手法を提案する。提案手法は, 対実的な質問を生成し, 集合的制約を強制し, モデルの一貫性を高める。提案手法を複数のデータセット上で評価し、明示的で暗黙的なイベントのイベント順序付けと時間的コモンセンス理解の大幅な改善を実証した。
論文参考訳（メタデータ） (2025-02-17T04:37:07Z)
ChronoSense: Exploring Temporal Understanding in Large Language Models with Time Intervals of Events [0.20132569095596248]
我々はChronoSenseについて紹介する。ChronoSenseは大規模言語モデルの時間的理解を評価するための新しいベンチマークである。このベンチマークを用いて7つのLLMの性能評価を行い, モデルがアレン関係, 対称関係であっても, 全く異なる扱いをすることを示した。全体として、モデルの性能の低さは、LLMにおける時間的理解の改善の必要性を強調している。
論文参考訳（メタデータ） (2025-01-06T14:27:41Z)
Living in the Moment: Can Large Language Models Grasp Co-Temporal Reasoning? [70.19200858203388]
時間的推論は、世界を理解するための大きな言語モデルの基本である。 CoTempQAは4つの時間的シナリオを含むベンチマークである。実験の結果,LLMの性能と人間レベルの推論との間に大きなギャップがあることが判明した。
論文参考訳（メタデータ） (2024-06-13T12:56:21Z)
Reason for Future, Act for Now: A Principled Framework for Autonomous LLM Agents with Provable Sample Efficiency [53.8779374188643]
本稿では,推論と行動のオーケストレーションを行うための,証明可能な後悔の保証を備えた原則的枠組みを提案する。具体的には、メモリバッファから学習する推論のためのプロンプトテンプレートを設計し、長い水平線上で将来の軌道を計画する。各ステップにおいて、LLMエージェントは計画された軌跡の初期動作("act for now")を受け取り、収集したフィードバックをメモリバッファに格納し、推論ルーチンを再起動して、将来の軌跡を新しい状態から再設計する。
論文参考訳（メタデータ） (2023-09-29T16:36:39Z)
Unlocking Temporal Question Answering for Large Language Models with Tailor-Made Reasoning Logic [84.59255070520673]
大きな言語モデル(LLM)は、時間的推論に関わる際に課題に直面します。本研究では,時間的質問応答タスクに特化して設計された新しいフレームワークであるTempLogicを提案する。
論文参考訳（メタデータ） (2023-05-24T10:57:53Z)
Interval Logic Tensor Networks [18.657803935515165]
実データ列を用いた逐次特性(トラス)やイベント特性などの知識を解釈する2種類の論理であるInterval Real Logic (IRL)を紹介する。 IRLを通して勾配を伝播させることで学習するニューロシンボリックシステムであるInterval Logic Networks (ILTN)を提案する。 ILTNはIRLで表現された知識を、そのファジィ持続時間を予測するためにイベントの推論を必要とする合成タスクでうまく活用できることを示す。
論文参考訳（メタデータ） (2023-03-31T08:51:44Z)
Generic Temporal Reasoning with Differential Analysis and Explanation [61.96034987217583]
時間差分解析でギャップを埋めるTODAYという新しいタスクを導入する。 TODAYは、システムがインクリメンタルな変化の効果を正しく理解できるかどうかを評価する。共同学習においてTODAYの指導スタイルと説明アノテーションが有効であることを示す。
論文参考訳（メタデータ） (2022-12-20T17:40:03Z)
A Constraint-Based Algorithm for the Structural Learning of Continuous-Time Bayesian Networks [70.88503833248159]
連続時間ベイズネットワークの構造を学習するための制約に基づく最初のアルゴリズムを提案する。我々は,条件付き独立性を確立するために提案した,異なる統計的テストと基礎となる仮説について論じる。
論文参考訳（メタデータ） (2020-07-07T07:34:09Z)
Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文参考訳（メタデータ） (2020-06-19T21:04:47Z)
A Critical Look at the Applicability of Markov Logic Networks for Music Signal Analysis [6.725831114394963]
多くの実践的ハードルがMLNを、提案された音楽応用に理想的でないものにしている、と我々は主張する。提案した例の根底にあるアイデアは、(動的)ベイズネットワークのより一般的なフレームワークで完全に表現できることを示す。
論文参考訳（メタデータ） (2020-01-16T21:46:13Z)

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。