論文の概要: In Pursuit of Unification of Conceptual Models: Sets as Machines
- arxiv url: http://arxiv.org/abs/2306.13833v1
- Date: Sat, 24 Jun 2023 01:28:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 18:53:36.390967
- Title: In Pursuit of Unification of Conceptual Models: Sets as Machines
- Title（参考訳）: 概念モデルの統一を追求する:マシンとしてのセット
- Authors: Sabah Al-Fedaghi
- Abstract要約: この写本は、第二のアプローチに属する研究事業の続編である。
これは、ストイック論理とルパシアン論理に基づいて構築されたデッキングマシンと呼ばれるモデルを使用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conceptual models as representations of real-world systems are based on
diverse techniques in various disciplines but lack a framework that provides
multidisciplinary ontological understanding of real-world phenomena.
Concurrently, systems complexity has intensified, leading to a rise in
developing models using different formalisms and diverse representations even
within a single domain. Conceptual models have become larger; languages tend to
acquire more features, and it is not unusual to use different modeling
languages for different components. This diversity has caused problems with
consistency between models and incompatibly with designed systems. Two main
solutions have been adopted over the last few years: (1) A currently dominant
technology-based solution tries to harmonize or unify models, e.g., unifies EER
and UML. This solution would solidify modeling achievements, reaping benefits
from huge investments over the last thirty years. (2) A less prevalent solution
is to pursuit deeper roots that reveal unifying modeling principles and
apparatuses. An example of the second method is a category theory-based
approach that utilizes the strengths of the graph and set theory, along with
other topological tools. This manuscript is a sequel in a research venture that
belongs to the second approach and uses a model called thinging machines (TMs)
founded on Stoic ontology and Lupascian logic. TM modeling contests the thesis
that there is no universal approach that covers all aspects of an application,
and the paper demonstrates that pursuing such universality is anything but a
dead-end method. This paper continues in this direction, with emphasis on TM
foundation (e.g., existence and subsistence of things) and exemplifies this
pursuit by proposing an alternative representation of set theory.
- Abstract（参考訳）: 実世界のシステムの表現としての概念モデルは、様々な分野の様々な技術に基づいているが、実世界の現象に関する多分野のオントロジ的理解を提供する枠組みは欠如している。
同時に、システムの複雑さが増大し、単一のドメイン内でも異なる形式と多様な表現を用いたモデルの開発が増加している。
概念モデルが大きくなり、言語はより多くの機能を獲得する傾向があり、異なるコンポーネントのために異なるモデリング言語を使用することは珍しくない。
この多様性は、モデル間の一貫性と設計システムとの非互換性の問題を引き起こした。
1) 現在支配的な技術ベースのソリューションは、EERとUMLを統一するなど、モデルを調和または統一しようとする。
このソリューションは、過去30年間に大規模な投資から利益を得て、モデリングの成果を固める。
2) より一般的な解決策は、モデリングの原則と装置の統一を明らかにする深いルーツを追求することである。
2つ目の方法の例は、グラフと集合論の強みと他の位相的ツールを利用する圏論に基づくアプローチである。
この写本は、第2のアプローチに属する研究ベンチャーの続編であり、stic ontologyとlupascian logicに基づいて作られたthinging machines(tms)と呼ばれるモデルを使用している。
TMモデリングは、アプリケーションのすべての側面をカバーする普遍的なアプローチは存在しないという仮説に異議を唱え、そのような普遍性を追求することは致命的な方法であることを示す。
本論文は、TM基礎(例えば、物の存在と存在)に重点を置いて、この方向に進み、集合論の代替表現を提案してこの追求を実証する。
関連論文リスト
- Multi-Modal Generative AI: Multi-modal LLM, Diffusion and Beyond [48.43910061720815]
マルチモーダル生成AIは、学術と産業の両方で注目を集めている。
理解と生成の両方に統一されたモデルを持つことは可能か?
論文 参考訳（メタデータ） (2024-09-23T13:16:09Z) - Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。
これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文 参考訳（メタデータ） (2024-08-14T16:58:48Z) - Learnable & Interpretable Model Combination in Dynamic Systems Modeling [0.0]
我々は、通常、どのモデルが組み合わされるかについて議論し、様々な混合方程式に基づくモデルを表現することができるモデルインターフェースを提案する。
本稿では,2つの組み合わせモデル間の汎用的な接続を,容易に解釈可能な方法で記述できる新しいワイルドカードトポロジーを提案する。
本稿では、2つのモデル間の異なる接続トポロジを学習し、解釈し、比較する。
論文 参考訳（メタデータ） (2024-06-12T11:17:11Z) - Understanding the differences in Foundation Models: Attention, State Space Models, and Recurrent Neural Networks [50.29356570858905]
本稿では,これらすべてのアーキテクチャの共通表現に関する原則的な調査を可能にする動的システムフレームワーク(DSF)について紹介する。
ソフトマックスアテンションと他のモデルクラスとの原理的比較を行い、ソフトマックスアテンションを近似できる理論条件について議論する。
このことは、DSFが将来のより効率的でスケーラブルな基盤モデルの体系的な開発を導く可能性を示している。
論文 参考訳（メタデータ） (2024-05-24T17:19:57Z) - Fundamental Components of Deep Learning: A category-theoretic approach [0.0]
この論文は、カテゴリ理論の言語に基づく、ディープラーニングのための新しい数学的基礎を発展させている。
我々はまた、既存の多くのアプローチを体系化し、多くの既存の構成と概念を同じ傘の下に置きます。
論文 参考訳（メタデータ） (2024-03-13T01:29:40Z) - Exploring Conceptual Modeling Metaphysics: Existence Containers, Leibniz's Monads and Avicenna's Essence [0.0]
ソフトウェア工学における要求仕様は、対象ドメインの概念モデルを開発することを含む。
多くのメタ物理的な研究は、モデル構築プロセスとして理解されるのが最適である。
その焦点は、静的性と動的性の2相の世界におけるTMモデリングの単一カテゴリとしてのチマクである。
論文 参考訳（メタデータ） (2024-02-20T22:25:20Z) - Learning Interpretable Concepts: Unifying Causal Representation Learning
and Foundation Models [51.43538150982291]
人間の解釈可能な概念をデータから学習する方法を研究する。
両分野からアイデアをまとめ、多様なデータから概念を確実に回収できることを示す。
論文 参考訳（メタデータ） (2024-02-14T15:23:59Z) - Foundation Models for Decision Making: Problems, Methods, and
Opportunities [124.79381732197649]
大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。
ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。
基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
論文 参考訳（メタデータ） (2023-03-07T18:44:07Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳（メタデータ） (2022-09-07T19:21:19Z) - GENOME: A GENeric methodology for Ontological Modelling of Epics [0.0]
genOMEはエピックの反復的存在論的モデリングのための最初の専用の方法論である。
それは、叙事詩の標準規範、知識モデリングのベストプラクティス、アプリケーション満足度規範、認知的生成問題という超学際的な基礎に根ざしている。
また、再利用やゼロから知識モデリングの選択肢を統合するのに十分な柔軟性を持つ最初の方法論でもある。
論文 参考訳（メタデータ） (2022-02-13T15:52:54Z)
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。