論文の概要: Enhancing SMT-based Weighted Model Integration by Structure Awareness
- arxiv url: http://arxiv.org/abs/2302.06188v2
- Date: Tue, 9 Jan 2024 13:47:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-10 20:56:45.673491
- Title: Enhancing SMT-based Weighted Model Integration by Structure Awareness
- Title（参考訳）: 構造認識によるSMT重み付きモデル統合の強化
- Authors: Giuseppe Spallitta, Gabriele Masina, Paolo Morettin, Andrea Passerini,
Roberto Sebastiani
- Abstract要約: 重み付きモデル統合(WMI)は、ハイブリッドドメインにおける確率的推論の統一形式として登場した。
本研究では,SMTに基づく列挙法と問題構造を効果的に符号化するアルゴリズムを開発した。
- 参考スコア（独自算出の注目度）: 10.812681884889697
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The development of efficient exact and approximate algorithms for
probabilistic inference is a long-standing goal of artificial intelligence
research. Whereas substantial progress has been made in dealing with purely
discrete or purely continuous domains, adapting the developed solutions to
tackle hybrid domains, characterised by discrete and continuous variables and
their relationships, is highly non-trivial. Weighted Model Integration (WMI)
recently emerged as a unifying formalism for probabilistic inference in hybrid
domains. Despite a considerable amount of recent work, allowing WMI algorithms
to scale with the complexity of the hybrid problem is still a challenge. In
this paper we highlight some substantial limitations of existing
state-of-the-art solutions, and develop an algorithm that combines SMT-based
enumeration, an efficient technique in formal verification, with an effective
encoding of the problem structure. This allows our algorithm to avoid
generating redundant models, resulting in drastic computational savings.
Additionally, we show how SMT-based approaches can seamlessly deal with
different integration techniques, both exact and approximate, significantly
expanding the set of problems that can be tackled by WMI technology. An
extensive experimental evaluation on both synthetic and real-world datasets
confirms the substantial advantage of the proposed solution over existing
alternatives. The application potential of this technology is further showcased
on a prototypical task aimed at verifying the fairness of probabilistic
programs.
- Abstract（参考訳）: 確率的推論のための効率的で正確な近似アルゴリズムの開発は、人工知能研究の長年の目標である。
純粋に離散的あるいは純粋に連続的なドメインを扱うことには大きな進展があるが、離散的および連続的な変数とその関係によって特徴づけられるハイブリッドなドメインに取り組むために開発されたソリューションを適用することは極めて非自明である。
重み付きモデル統合(WMI)は最近、ハイブリッドドメインにおける確率的推論の統一形式として登場した。
最近の膨大な作業にもかかわらず、ハイブリッド問題の複雑さを伴ってWMIアルゴリズムをスケール可能にすることは依然として課題である。
本稿では,既存の最先端ソリューションの限界を浮き彫りにして,形式検証における効率的な手法であるsmtに基づく列挙法と,問題構造の効果的なエンコーディングを組み合わせるアルゴリズムを開発した。
これにより,冗長モデルの生成を回避し,計算コストを大幅に削減できる。
さらに,SMTに基づくアプローチが,WMI技術によって取り組まれる問題の集合を,正確かつ近似的に,シームレスに扱うことができることを示す。
合成と実世界の両方のデータセットに対する広範な実験的評価は、既存の代替よりも提案されたソリューションのかなりの利点を裏付けるものである。
この技術の適用可能性はさらに、確率的プログラムの公正性を検証することを目的としたプロトタイプタスクで示される。
関連論文リスト
- A unified consensus-based parallel ADMM algorithm for high-dimensional
regression with combined regularizations [3.280169909938912]
並列交互乗算器 (ADMM) は大規模分散データセットの処理に有効であることが広く認識されている。
提案アルゴリズムは,財務事例の信頼性,安定性,スケーラビリティを示す。
論文 参考訳（メタデータ） (2023-11-21T03:30:38Z) - SEGO: Sequential Subgoal Optimization for Mathematical Problem-Solving [64.38649623473626]
大規模言語モデル(LLM)は人工知能の大幅な進歩を導いた。
数学的問題を解く能力を高めるために,textbfSEquential subtextbfGoal textbfOptimization (SEGO) という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-19T17:56:40Z) - Solution to Advanced Manufacturing Process Problems using Cohort
Intelligence Algorithm with Improved Constraint Handling Approaches [0.07989135005592125]
コホートインテリジェンス(CI)アルゴリズムは、設計、製造、サプライチェーン、医療などの領域から制約のない現実の問題を解決するために、社会にインスパイアされた最適化手法である。
論文 参考訳（メタデータ） (2023-10-16T05:40:23Z) - Distributionally Robust Model-based Reinforcement Learning with Large
State Spaces [55.14361269378122]
強化学習における3つの大きな課題は、大きな状態空間を持つ複雑な力学系、コストのかかるデータ取得プロセス、トレーニング環境の展開から現実の力学を逸脱させることである。
広範に用いられているKullback-Leibler, chi-square, および全変分不確実性集合の下で, 連続状態空間を持つ分布ロバストなマルコフ決定過程について検討した。
本稿では,ガウス過程と最大分散削減アルゴリズムを用いて,多出力名目遷移力学を効率的に学習するモデルベースアプローチを提案する。
論文 参考訳（メタデータ） (2023-09-05T13:42:11Z) - A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical
Computation Offloading [62.34538208323411]
共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。
MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
論文 参考訳（メタデータ） (2023-09-02T11:01:16Z) - SMT-based Weighted Model Integration with Structure Awareness [18.615397594541665]
本研究では,SMTに基づく列挙法と問題構造を効果的に符号化するアルゴリズムを開発した。
これにより,冗長モデルの生成を回避し,計算コストを大幅に削減できる。
論文 参考訳（メタデータ） (2022-06-28T09:46:17Z) - Minimum-Delay Adaptation in Non-Stationary Reinforcement Learning via
Online High-Confidence Change-Point Detection [7.685002911021767]
非定常環境におけるポリシーを効率的に学習するアルゴリズムを導入する。
これは、リアルタイム、高信頼な変更点検出統計において、潜在的に無限のデータストリームと計算を解析する。
i) このアルゴリズムは, 予期せぬ状況変化が検出されるまでの遅延を最小限に抑え, 迅速な応答を可能にする。
論文 参考訳（メタデータ） (2021-05-20T01:57:52Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳（メタデータ） (2021-02-16T06:04:27Z) - Efficient semidefinite-programming-based inference for binary and
multi-class MRFs [83.09715052229782]
分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。
一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
論文 参考訳（メタデータ） (2020-12-04T15:36:29Z) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳（メタデータ） (2020-06-15T02:57:57Z) - Hyperspectral Unmixing Network Inspired by Unfolding an Optimization
Problem [2.4016406737205753]
ハイパースペクトル画像(HSI)アンミックスタスクは本質的に逆問題であり、最適化アルゴリズムによってよく解決される。
本稿では,U-ADMM-AENetとU-ADMM-BUNetという2つの新しいネットワークアーキテクチャを提案する。
本研究は,機械学習の文献において,展開された構造が対応する解釈を見つけることを示し,提案手法の有効性をさらに示すものである。
論文 参考訳（メタデータ） (2020-05-21T18:49:45Z)
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。