Fugu-MT 論文翻訳(概要): Query Learning Algorithm for Ordered Multi-Terminal Binary Decision Diagrams

論文の概要: Query Learning Algorithm for Ordered Multi-Terminal Binary Decision Diagrams

arxiv url: http://arxiv.org/abs/2303.03195v1
Date: Fri, 3 Mar 2023 02:59:29 GMT
ステータス: 処理完了
システム内更新日: 2023-03-07 15:39:46.269394
Title: Query Learning Algorithm for Ordered Multi-Terminal Binary Decision Diagrams
Title（参考訳）: 順序付き多項二項決定図に対するクエリ学習アルゴリズム
Authors: Atsuyoshi Nakamura
Abstract要約: 順序付き複数終端二項決定図(OMTBDD)に対する2n(llceilog mrceil+3n)メンバシップクエリを用いたクエリ学習アルゴリズムを提案する。このアルゴリズムを分類問題に適用する可能性も実験で示している。
参考スコア（独自算出の注目度）: 1.8275108630751844
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a query learning algorithm for ordered multi-terminal binary decision diagrams (OMTBDDs) using at most n equivalence and 2n(l\lcei\log_2 m\rceil+ 3n) membership queries by extending the algorithm for ordered binary decision diagrams (OBDDs). Tightness of our upper bounds is checked in our experiments using synthetically generated target OMTBDDs. Possibility of applying our algorithm to classification problems is also indicated in our other experiments using datasets of UCI Machine Learning Repository.
Abstract（参考訳）: 順序付き二項決定図 (omtbdds) のアルゴリズムを拡張し, 最大n等価値と2n(l\lcei\log_2 m\rceil+3n)のメンバシップクエリを用いて, 順序付き多端二項決定図 (omtbdds) に対するクエリ学習アルゴリズムを提案する。人工的に生成されたomtbddを用いた実験では,上界の密着性を確認した。このアルゴリズムを分類問題に適用する可能性も,uci機械学習リポジトリのデータセットを用いた実験で示された。

関連論文リスト

Cambrian Explosion Algorithm for Multi-Objective Association Rules Mining [5.175050215292647]
アソシエーション・ルール・マイニング(Association Rule mining)は、データマイニングの分野で最も研究されている分野の一つである。関連ルールマイニング問題における最先端のメタヒューリスティックスの性能の比較を行った。本研究では,大規模データセットからルールを効率的に抽出するアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-11-23T08:34:05Z)
A dynamic programming algorithm for span-based nested named-entity recognition in O(n^2) [5.228711636020665]
探索空間に補足的構造制約を加えることで、ネストされたNERは2次時間複雑性を持ち、これは非ネストの場合と同じ複雑さを持つことを示す。提案アルゴリズムは、3つの標準英語ベンチマークの大部分をカバーし、同等の実験結果を提供する。
論文参考訳（メタデータ） (2022-10-10T14:47:36Z)
Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文参考訳（メタデータ） (2022-10-02T05:03:38Z)
Rankability and Linear Ordering Problem: New Probabilistic Insight and Algorithms [2.050873301895484]
線形順序付け問題(LOP)は、Mオブジェクトをペア比較から順序付けするものである。我々はスレーター指数を一般化するスレータースペクトルの概念を導入する。我々は、Mの適度な値に対して管理可能な複雑性O(M3 2M)のスペクトルを求めるアルゴリズムを考案した。
論文参考訳（メタデータ） (2022-08-08T01:39:26Z)
Reinforcement Learning Based Query Vertex Ordering Model for Subgraph Matching [58.39970828272366]
グラフマッチングアルゴリズムは、クエリグラフの埋め込みをデータグラフGに列挙する。マッチング順序は、これらのバックトラックに基づくサブグラフマッチングアルゴリズムの時間効率において重要な役割を果たす。本稿では,Reinforcement Learning (RL) と Graph Neural Networks (GNN) 技術を適用して,グラフマッチングアルゴリズムの高品質なマッチング順序を生成する。
論文参考訳（メタデータ） (2022-01-25T00:10:03Z)
Improved Acyclicity Reasoning for Bayesian Network Structure Learning with Constraint Programming [0.0]
離散データからベイズネットワーク(BNSL)の構造を学習することはNPハードタスクであることが知られている。本研究では,可能なクラスタカットのサブセットを発見するための新しい時間アルゴリズムを提案する。最適ではないにもかかわらず、性能は桁違いに向上することを示す。結果として得られる解法は、BNSL問題に対する最先端の解法である GOBNILP と好意的に比較できる。
論文参考訳（メタデータ） (2021-06-23T09:46:11Z)
Generalization in portfolio-based algorithm selection [97.74604695303285]
ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
論文参考訳（メタデータ） (2020-12-24T16:33:17Z)
Optimizing Discrete Spaces via Expensive Evaluations: A Learning to Search Framework [45.0915797856091]
L2S-DISCOという新しい学習と研究の枠組みを導入し、評価します。鍵となる洞察は、各ステップで制御知識によって導かれる探索手順を用いて次の構造を選択し、新しい機能評価が観察されるにつれて制御知識を改善することである。
論文参考訳（メタデータ） (2020-12-14T08:04:44Z)
Strong Generalization and Efficiency in Neural Programs [69.18742158883869]
本稿では,ニューラルプログラム誘導の枠組みを強く一般化する効率的なアルゴリズムを学習する問題について検討する。ニューラルネットワークの入力/出力インターフェースを慎重に設計し、模倣することで、任意の入力サイズに対して正しい結果を生成するモデルを学ぶことができる。
論文参考訳（メタデータ） (2020-07-07T17:03:02Z)
A Constraint-Based Algorithm for the Structural Learning of Continuous-Time Bayesian Networks [70.88503833248159]
連続時間ベイズネットワークの構造を学習するための制約に基づく最初のアルゴリズムを提案する。我々は,条件付き独立性を確立するために提案した,異なる統計的テストと基礎となる仮説について論じる。
論文参考訳（メタデータ） (2020-07-07T07:34:09Z)
Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
論文参考訳（メタデータ） (2020-01-29T09:40:58Z)

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。