Fugu-MT 論文翻訳(概要): P(Expression|Grammar): Probability of deriving an algebraic expression with a probabilistic context-free grammar

論文の概要: P(Expression|Grammar): Probability of deriving an algebraic expression with a probabilistic context-free grammar

arxiv url: http://arxiv.org/abs/2212.00751v2
Date: Fri, 2 Dec 2022 08:59:59 GMT
ステータス: 処理完了
システム内更新日: 2022-12-05 13:25:22.983790
Title: P(Expression|Grammar): Probability of deriving an algebraic expression with a probabilistic context-free grammar
Title（参考訳）: p(expression|grammar):確率的文脈自由文法による代数表現を導出する確率
Authors: Urh Primo\v{z}i\v{c} and Ljup\v{c}o Todorovski and Matej Petkovi\'c
Abstract要約: 与えられた文法で表現を導出する確率を計算する問題は一般には決定不可能であることを示す。次に、線形、有理、双曲表現を生成するための具体的な文法を示す。これらの文法に対して、任意の精度で正確な確率と効率的な近似を計算するアルゴリズムを設計する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Probabilistic context-free grammars have a long-term record of use as generative models in machine learning and symbolic regression. When used for symbolic regression, they generate algebraic expressions. We define the latter as equivalence classes of strings derived by grammar and address the problem of calculating the probability of deriving a given expression with a given grammar. We show that the problem is undecidable in general. We then present specific grammars for generating linear, polynomial, and rational expressions, where algorithms for calculating the probability of a given expression exist. For those grammars, we design algorithms for calculating the exact probability and efficient approximation with arbitrary precision.
Abstract（参考訳）: 確率論的文脈自由文法は、機械学習とシンボリック回帰における生成モデルとしての使用の長期記録を持つ。記号回帰に使用すると、代数的表現を生成する。後者は文法から導出される文字列の同値類として定義し、与えられた文法で与えられた式を導出する確率を計算する問題に対処する。その問題は一般に決定不能であることを示す。次に、ある表現の確率を計算するアルゴリズムが存在する線形式、多項式式、有理式を生成するための特定の文法を示す。これらの文法に対して、任意の精度で正確な確率と効率的な近似を計算するアルゴリズムを設計する。

関連論文リスト

A Distribution Semantics for Probabilistic Term Rewriting [0.0]
我々は、よく知られた計算形式主義である項書き換えに焦点を当てる。従来の書き換え規則と確率を組み合わせたシステムを考える。与えられた削減のために一連の「説明」を計算する方法を示す。
論文参考訳（メタデータ） (2024-10-19T12:00:13Z)
A Heavy-Tailed Algebra for Probabilistic Programming [53.32246823168763]
本稿では,確率変数の尾を解析するための体系的アプローチを提案する。本稿では,確率型プログラミング言語コンパイラの静的解析(サンプル作成前)において,この手法をどのように利用できるかを示す。実験結果から,重み付き代数を利用する推論アルゴリズムは,多数の密度モデリングおよび変分推論タスクにおいて優れた性能が得られることを確認した。
論文参考訳（メタデータ） (2023-06-15T16:37:36Z)
Compositional Generalization without Trees using Multiset Tagging and Latent Permutations [121.37328648951993]
まず、各入力トークンに複数の出力トークンをタグ付けします。次に、新しいパラメータ化法と置換予測法を用いて、トークンを出力シーケンスに配置する。我々のモデルは、事前訓練されたセq2seqモデルと、現実的なセマンティック解析タスクに関する先行研究より優れている。
論文参考訳（メタデータ） (2023-05-26T14:09:35Z)
Marginal Inference queries in Hidden Markov Models under context-free grammar constraints [0.348097307252416]
隠れモデル(HMM)における文脈自由文法(CFG)の可能性の計算問題に対処する。問題は NP-Hard であり、CFG が 2 以下のあいまいさの次数を持つという約束があるにもかかわらずである。次に,不明瞭なCFGの場合の確率を近似するために,完全ランダム化近似法を提案する。
論文参考訳（メタデータ） (2022-06-26T12:44:18Z)
Proving Equivalence Between Complex Expressions Using Graph-to-Sequence Neural Models [0.0]
プログラム同値性のためのグラフ・ツー・シーケンスニューラルネットワークシステムを開発した。我々は、リッチな多型線形代数表現言語を用いて、我々のシステムを広範囲に評価する。我々の機械学習システムは、全ての真正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の
論文参考訳（メタデータ） (2021-06-01T20:45:42Z)
Probabilistic Generating Circuits [50.98473654244851]
効率的な表現のための確率的生成回路(PGC)を提案する。 PGCは、非常に異なる既存モデルを統一する理論的なフレームワークであるだけでなく、現実的なデータをモデル化する大きな可能性も示している。我々はPCとDPPの単純な組み合わせによって簡単に仮定されない単純なPGCのクラスを示し、一連の密度推定ベンチマークで競合性能を得る。
論文参考訳（メタデータ） (2021-02-19T07:06:53Z)
Probabilistic Grammars for Equation Discovery [0.0]
本稿では,確率論的文脈自由文法を方程式発見に用いることを提案する。確率文法は、パーシモニー原理をエレガントかつ柔軟に定式化するために用いられる。
論文参考訳（メタデータ） (2020-12-01T11:59:19Z)
Learning of Structurally Unambiguous Probabilistic Grammars [7.347989843033034]
我々は構造的に曖昧な重み付き文脈自由文法(SUWCFG)に注意を向ける。共線形乗数木オートマトン(CMTA)を用いてSUWCFGを表現できることを示し,CMTAを学習する学習アルゴリズムを提供する。ゲノムデータを用いたPCFG学習におけるアルゴリズムの有用性を示す。
論文参考訳（メタデータ） (2020-11-15T08:07:04Z)
Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文参考訳（メタデータ） (2020-04-17T12:47:04Z)
The data-driven physical-based equations discovery using evolutionary approach [77.34726150561087]
与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
論文参考訳（メタデータ） (2020-04-03T17:21:57Z)
Optimal Iterative Sketching with the Subsampled Randomized Hadamard Transform [64.90148466525754]
最小二乗問題に対する反復スケッチの性能について検討する。本研究では、Haar行列とランダム化されたHadamard行列の収束速度が同一であることを示し、ランダムなプロジェクションを経時的に改善することを示した。これらの手法は、ランダム化次元還元を用いた他のアルゴリズムにも適用することができる。
論文参考訳（メタデータ） (2020-02-03T16:17:50Z)

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。