論文の概要: Anti-unification and Generalization: A Survey
- arxiv url: http://arxiv.org/abs/2302.00277v1
- Date: Wed, 1 Feb 2023 06:48:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 17:53:01.376665
- Title: Anti-unification and Generalization: A Survey
- Title（参考訳）: 反統一と一般化:調査
- Authors: David M. Cerna and Temur Kutsia
- Abstract要約: 一般化 (Generalization, 1) は、インダクティブなin-2参照に使用される基本演算である。
AIと関連するコミュニティ5からのAUの4分の1は成長しているが、6の概念の体系的な研究や既存の研究の調査がなければ、調査7はしばしば、アプリケーション固有のmeth-8 odsの開発に頼っている。
We9は、AU研究とそのap-10の意義に関する最初の調査と、既存の開発と将来の開発を分類する11の一般的なフレームワークを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Anti-unification (AU), also known as generalization,1 is a fundamental
operation used for inductive in-2 ference and is the dual operation to
unification, an3 operation at the foundation of theorem proving. In-4 terest in
AU from the AI and related communities5 is growing, but without a systematic
study of the6 concept, nor surveys of existing work, investigations7 often
resort to developing application specific meth-8 ods that may be covered by
existing approaches. We9 provide the first survey of AU research and its ap-10
plications, together with a general framework for11 categorizing existing and
future developments.
- Abstract（参考訳）: anti-unification (au) または generalization,1 はインダクティブな in-2 参照に使われる基本演算であり、定理証明の基礎における an3 演算である。
AIと関連するコミュニティ5からのAUの4分の1は成長しているが、6の概念の体系的な研究や既存の研究の調査がなければ、調査7はしばしば、既存のアプローチによってカバーされる可能性のあるアプリケーション固有のmeth-8 odの開発に頼っている。
We9は、AU研究とそのap-10に関する最初の調査と、既存の開発と将来の開発を分類する11の一般的なフレームワークを提供する。
関連論文リスト
- Generative AI for Requirements Engineering: A Systematic Literature Review [4.056534128718579]
ジェネレーティブAI(GenAI)は、ソフトウェア工学におけるトランスフォーメーションツールとして登場した。
本稿では、要件工学におけるGenAIを活用した最先端の応用と革新的な提案について分析する。
論文 参考訳（メタデータ） (2024-09-10T02:44:39Z) - On the Role of Entity and Event Level Conceptualization in Generalizable Reasoning: A Survey of Tasks, Methods, Applications, and Future Directions [46.63556358247516]
エンティティとイベントレベルの概念化は、一般化可能な推論において重要な役割を果たす。
現在、概念化の定義、実行、適用に関する既存の研究を包括的に調べる体系的な概要が欠如している。
本稿では,150以上の論文を総合的に調査し,概念化に関連する様々な定義,資源,方法,下流のアプリケーションを統一分類に分類する。
論文 参考訳（メタデータ） (2024-06-16T10:32:41Z) - Generalized Video Anomaly Event Detection: Systematic Taxonomy and
Comparison of Deep Models [33.43062232461652]
ビデオ異常検出(VAD)は、インテリジェント監視システムにおいて重要な技術である。
本調査は,GA(Generalized Video Anomaly Event Detection, GVAED)と呼ばれる幅広いスペクトルを含む,教師なしの手法を超えて,従来のVODの範囲を拡張した。
論文 参考訳（メタデータ） (2023-02-10T07:11:37Z) - Unsupervised Domain Generalization for Person Re-identification: A
Domain-specific Adaptive Framework [50.88463458896428]
ドメイン一般化(DG)は近年,人物再同定(ReID)において注目されている。
既存のメソッドは通常、ソースドメインにラベルを付ける必要があります。
本稿では、単純で効率的なドメイン固有適応化フレームワークを提案し、適応正規化モジュールで実現する。
論文 参考訳（メタデータ） (2021-11-30T02:35:51Z) - Towards Out-Of-Distribution Generalization: A Survey [46.329995334444156]
アウト・オブ・ディストリビューションの一般化は、機械学習研究の新たなトピックである。
本論文は,OODの一般化に関する総合的,体系的な最初のレビューである。
論文 参考訳（メタデータ） (2021-08-31T05:28:42Z) - Learning Domain Invariant Representations for Generalizable Person
Re-Identification [71.35292121563491]
ReID(Generalizable person Re-Identification)は、最近のコンピュータビジョンコミュニティで注目を集めている。
DIR-ReID(Domain Invariant Representations for Generalizable Person Re-Identification)という新しい一般化フレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-29T18:59:48Z) - Generalizing to Unseen Domains: A Survey on Domain Generalization [59.16754307820612]
ドメイン一般化は、1つまたは複数の異なるが関連するドメインが与えられる困難な設定を扱う。
目標は、目に見えないテストドメインに一般化できるモデルを学ぶことです。
本稿では,領域一般化の最近の進歩に対する最初のレビューを紹介する。
論文 参考訳（メタデータ） (2021-03-02T06:04:11Z) - Generalized Inverse Planning: Learning Lifted non-Markovian Utility for
Generalizable Task Representation [83.55414555337154]
本研究では,人間の実演からこのような有用性を学ぶことを研究する。
本稿では,本領域におけるユーティリティ学習のための新しい探索手法である一般化逆計画を提案する。
計算フレームワークである最大エントロピー逆計画(MEIP)について概説し、非マルコフ的効用と関連する概念を生成的に学習する。
論文 参考訳（メタデータ） (2020-11-12T21:06:26Z) - A Systematic Survey of Regularization and Normalization in GANs [25.188671290175208]
GAN(Generative Adversarial Networks)は、ディープニューラルネットワークの開発によって、さまざまなシナリオに広く適用されている。
GANが事前情報なしでターゲット分布に適合できるかどうかはまだ不明である。
正規化と正規化は、訓練を安定させ、差別を改善するために事前情報を導入する一般的な方法である。
論文 参考訳（メタデータ） (2020-08-19T12:52:10Z) - Universal Source-Free Domain Adaptation [57.37520645827318]
ドメイン適応のための新しい2段階学習プロセスを提案する。
Procurementの段階では、今後のカテゴリギャップやドメインシフトに関する事前知識を前提とせず、将来的なソースフリーデプロイメントのためのモデルの提供を目標としています。
Deploymentの段階では、幅広いカテゴリギャップをまたいで動作可能な統一適応アルゴリズムを設計することを目的としている。
論文 参考訳（メタデータ） (2020-04-09T07:26:20Z)
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。