Fugu-MT 論文翻訳(概要): Anti-unification and Generalization: A Survey

論文の概要: Anti-unification and Generalization: A Survey

arxiv url: http://arxiv.org/abs/2302.00277v5
Date: Sat, 3 Jun 2023 10:34:21 GMT
ステータス: 処理完了
システム内更新日: 2023-06-07 03:17:49.976300
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: 反統一(英: anti-unification, AU)は、帰納的推論に使用される一般化の基本的な操作である。我々は、AU研究とその応用に関する第1回調査を行う。
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) is a fundamental operation for generalization computation used for inductive inference. It is the dual operation to unification, an operation at the foundation of automated theorem proving. Interest in AU from the AI and related communities is growing, but without a systematic study of the concept nor surveys of existing work, investigations often resort to developing application-specific methods that existing approaches may cover. We provide the first survey of AU research and its applications and a general framework for categorizing existing and future developments.
Abstract（参考訳）: 反統一 (AU) は帰納的推論に使用される一般化計算の基本的な演算である。これは統一への双対演算であり、自動定理証明の基礎における演算である。 AIとその関連コミュニティからのAUへの関心は高まっているが、既存の作業の概念や調査に関する体系的な研究がなければ、既存のアプローチがカバーできるアプリケーション固有の手法の開発に頼っていることが多い。我々は、AU研究とその応用に関する最初の調査と、現在および将来の開発を分類するため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。