Fugu-MT 論文翻訳(概要): Markov Conditions and Factorization in Logical Credal Networks

論文の概要: Markov Conditions and Factorization in Logical Credal Networks

arxiv url: http://arxiv.org/abs/2302.14146v1
Date: Mon, 27 Feb 2023 21:06:20 GMT
ステータス: 処理完了
システム内更新日: 2023-03-01 18:49:21.737431
Title: Markov Conditions and Factorization in Logical Credal Networks
Title（参考訳）: 論理クレダルネットワークにおけるマルコフ条件と因子分解
Authors: Fabio Gagliardi Cozman
Abstract要約: 論理的クレダルネットワークの構造の概念を導入し、有向サイクルのない構造がよく知られた分解結果をもたらすことを示す。有向サイクルを持つネットワークに対しては,マルコフ条件,分解結果,仕様要件の違いを分析する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We examine the recently proposed language of Logical Credal Networks, in particular investigating the consequences of various Markov conditions. We introduce the notion of structure for a Logical Credal Network and show that a structure without directed cycles leads to a well-known factorization result. For networks with directed cycles, we analyze the differences between Markov conditions, factorization results, and specification requirements.
Abstract（参考訳）: 本稿では,最近提案された論理クレダルネットワークの言語,特に様々なマルコフ条件の影響について検討する。本稿では,論理クレーダルネットワークの構造の概念を紹介し,有向サイクルのない構造がよく知られた因子化結果をもたらすことを示す。有向サイクルを持つネットワークでは,マルコフ条件,因子化結果,仕様要件の違いを分析する。

関連論文リスト

GRS-QA -- Graph Reasoning-Structured Question Answering Dataset [50.223851616680754]
グラフ推論-構造化質問応答データセット(GRS-QA)を導入する。既存のM-QAデータセットとは異なり、GRS-QAは推論グラフを構築することで複雑な推論経路を明示的にキャプチャする。実験により, LLMは, 様々な推論構造を用いて, 問合せ処理を行う際に, 異なる性能を示すことが明らかとなった。
論文参考訳（メタデータ） (2024-11-01T05:14:03Z)
Implementing Derivations of Definite Logic Programs with Self-Attention Networks [1.104960878651584]
本稿では,論理推論の限定バージョンを自己注意型ネットワークで実装可能であることを示す。フィードフォワードネットワーク(FFN)を用いた自己注意ネットワークの階層構造は,論理式のクラスに対してトップダウンの導出を実現できることを示す。
論文参考訳（メタデータ） (2024-10-15T08:39:28Z)
Modeling Hierarchical Reasoning Chains by Linking Discourse Units and Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文参考訳（メタデータ） (2023-06-21T07:34:27Z)
Bayesian Networks for Named Entity Prediction in Programming Community Question Answering [0.0]
ベイジアンネットワークを用いた自然言語処理のための新しい手法を提案し,その文脈を予測・解析する。ベイジアンネットワークとBIC、BDeu、K2、Chow-Liuといったスコアメトリクスを比較した。さらに,有向非巡回グラフの可視化を行い,意味的関係を解析する。
論文参考訳（メタデータ） (2023-02-26T07:26:36Z)
Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文) 論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
論文参考訳（メタデータ） (2022-07-04T14:38:49Z)
NOTMAD: Estimating Bayesian Networks with Sample-Specific Structures and Parameters [70.55488722439239]
提案するNOTMADは,サンプルコンテキストに応じてアーキティパルネットワークの混合を学習する。患者固有の遺伝子発現ネットワークを含む分析および実験を通じて,NOTMADとサンプル特異的ネットワーク推論の有用性を実証する。
論文参考訳（メタデータ） (2021-11-01T17:17:34Z)
Structure Learning of Contextual Markov Networks using Marginal Pseudo-likelihood [5.364120183147694]
一般文脈マルコフネットワークに対する解析的抽出可能な基準として、境界擬似類似性を導入する。我々の基準は、一貫した構造推定器をもたらすことが示されている。
論文参考訳（メタデータ） (2021-03-29T12:13:15Z)
DAGN: Discourse-Aware Graph Network for Logical Reasoning [83.8041050565304]
本論文では,テキストの対話構造に依存した対話型グラフネットワーク (DAGN) を提案する。本モデルは,基本談話単位(EDU)と談話関係を持つグラフとして談話情報を符号化し,下流QAタスクのためのグラフネットワークを介して談話認識特徴を学習する。
論文参考訳（メタデータ） (2021-03-26T09:41:56Z)
Obtaining Faithful Interpretations from Compositional Neural Networks [72.41100663462191]
NLVR2およびDROPデータセット上でNMNの中間出力を評価する。中間出力は期待出力と異なり,ネットワーク構造がモデル動作の忠実な説明を提供していないことを示す。
論文参考訳（メタデータ） (2020-05-02T06:50:35Z)

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。