論文の概要: Rule-based Graph Repair using Minimally Restricted Consistency-Improving
Transformations
- arxiv url: http://arxiv.org/abs/2307.09150v1
- Date: Tue, 18 Jul 2023 11:20:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 17:13:36.779182
- Title: Rule-based Graph Repair using Minimally Restricted Consistency-Improving
Transformations
- Title(参考訳): 最小制約の一貫性改善変換を用いたルールベースグラフ修復
- Authors: Alexander Lauer
- Abstract要約: 一貫性の維持と一貫性の向上という,一貫性の新たな概念を導入します。
本稿では, 規則に基づくグラフ修復手法を提案する。
- 参考スコア(独自算出の注目度): 65.268245109828
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Model-driven software engineering is a suitable method for dealing with the
ever-increasing complexity of software development processes. Graphs and graph
transformations have proven useful for representing such models and changes to
them. These models must satisfy certain sets of constraints. An example are the
multiplicities of a class structure. During the development process, a change
to a model may result in an inconsistent model that must at some point be
repaired. This problem is called model repair. In particular, we will consider
rule-based graph repair which is defined as follows: Given a graph $G$, a
constraint $c$ such that $G$ does not satisfy $c$, and a set of rules $R$, use
the rules of $\mathcal{R}$ to transform $G$ into a graph that satisfies $c$.
Known notions of consistency have either viewed consistency as a binary
property, either a graph is consistent w.r.t. a constraint $c$ or not, or only
viewed the number of violations of the first graph of a constraint. In this
thesis, we introduce new notions of consistency, which we call
consistency-maintaining and consistency-increasing transformations and rules,
respectively. This is based on the possibility that a constraint can be
satisfied up to a certain nesting level.
We present constructions for direct consistency-maintaining or direct
consistency-increasing application conditions, respectively. Finally, we
present an rule-based graph repair approach that is able to repair so-called
\emph{circular conflict-free constraints}, and so-called circular conflict-free
sets of constraints. Intuitively, a set of constraint $C$ is circular conflict
free, if there is an ordering $c_1, \ldots, c_n$ of all constraints of $C$ such
that there is no $j <i$ such that a repair of $c_i$ at all graphs satisfying
$c_j$ leads to a graph not satisfying $c_j$.
- Abstract(参考訳): モデル駆動のソフトウェアエンジニアリングは、ソフトウェア開発プロセスの複雑さの増大を扱うのに適した方法である。
グラフとグラフ変換は、そのようなモデルや変更を表現するのに有用であることが証明されている。
これらのモデルは一定の制約を満たす必要がある。
一例として、クラス構造の多重性がある。
開発プロセスの間、モデルの変更は、ある時点で修理しなければならない一貫性のないモデルをもたらす可能性がある。
この問題はモデル修復と呼ばれる。
特に、ルールベースのグラフの修正について、次のように定義する。 グラフ$g$、$g$が$c$を満たさないような制約$c$、ルール$r$は$\mathcal{r}$のルールを使用して$c$を満たすグラフに変換する。
一貫性の概念は、一貫性を二元性と見なすか、グラフが一貫したw.r.t.制約$c$かどうか、あるいは制約の最初のグラフの違反の数だけを見るかのいずれかである。
本論文では,一貫性の新たな概念を紹介し,一貫性維持と一貫性向上の2つの変換とルールについて述べる。
これは、一定のネストレベルまで制約を満たすことができる可能性に基づいている。
本稿では, 直接整合性維持, 直接整合性向上のための構成について述べる。
最後に,いわゆる "emph{circular conflict-free constraints" や,いわゆる "circar conflict-free constraints" を修復可能なルールベースのグラフ修復手法を提案する。
直観的には、$C$ の制約の集合は円周衝突自由であり、$C$ のすべての制約の順序が $c_1, \ldots, c_n$ であるなら、$c_j$ を満たす全てのグラフにおいて$c_i$ の修復が $c_j$ を満たすような$C$ のすべての制約が存在しない。
関連論文リスト
- A Unified Framework for Uniform Signal Recovery in Nonlinear Generative
Compressed Sensing [68.80803866919123]
非線形測定では、ほとんどの先行結果は一様ではない、すなわち、すべての$mathbfx*$に対してではなく、固定された$mathbfx*$に対して高い確率で保持される。
本フレームワークはGCSに1ビット/一様量子化観測と単一インデックスモデルを標準例として適用する。
また、指標集合が計量エントロピーが低い製品プロセスに対して、より厳密な境界を生み出す濃度不等式も開発する。
論文 参考訳(メタデータ) (2023-09-25T17:54:19Z) - Learning Good Interventions in Causal Graphs via Covering [12.512036656559685]
A$の最適介入は、グラフ内の指定された報酬変数の期待値を最大化するものである。
簡単な後悔のために、$widetildeO(sqrtN/T)$の単純な後悔保証を確立する。
また、事前の作業を超えて、観測されていない変数を持つ因果グラフに対する単純な後悔の保証も達成します。
論文 参考訳(メタデータ) (2023-05-08T11:35:22Z) - Greedy Pruning with Group Lasso Provably Generalizes for Matrix Sensing [30.508036898655114]
プルーニングスキームは、大量のパラメータを持つ訓練されたモデルの複雑さを減らすために、実際に広く用いられている。
正規化がない場合の勾配降下は、グリーディプルーニングに適さないモデル、すなわち、多くの列が最大値に匹敵する$ell$ノルムを持つことができる。
以上の結果から,グリーディ・プルーニング+ファインチューニングがより小さなモデルに繋がる理由について,より厳密な考察が得られた。
論文 参考訳(メタデータ) (2023-03-20T21:05:44Z) - Causal Bandits for Linear Structural Equation Models [58.2875460517691]
本稿では,因果図形モデルにおける最適な介入順序を設計する問題について検討する。
グラフの構造は知られており、ノードは$N$である。
頻繁性(UCBベース)とベイズ的設定に2つのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-08-26T16:21:31Z) - Learning Sparse Graph with Minimax Concave Penalty under Gaussian Markov
Random Fields [51.07460861448716]
本稿では,データから学ぶための凸解析フレームワークを提案する。
三角凸分解はその上部に対応する変換によって保証されることを示す。
論文 参考訳(メタデータ) (2021-09-17T17:46:12Z) - On Classifying Continuous Constraint Satisfaction Problems [1.450405446885067]
連続制約満足度問題 (CCSP) は、間隔領域 $U の部分集合 mathbbR$ を持つ制約満足度問題 (CSP) である。
我々は実数の実在論、すなわちER完全を完備とするCCSPを分類する。
そのような CCSP のクラス上では、曲線等式制約 (f(x,y) geq 0$ および $g(x,y) geq 0$) が ER 完全であることを示す。
論文 参考訳(メタデータ) (2021-06-04T10:23:48Z) - Intervention Efficient Algorithms for Approximate Learning of Causal
Graphs [22.401163479802094]
我々は、潜時の存在下で観察された変数の集合間の因果関係を学習する問題を研究する。
我々の目標は、介入の最小限の費用で、すべての因果関係や祖先関係の方向性を$G$で回収することです。
我々のアルゴリズムは効率的な介入設計と低コストな分離集合系の設計を組み合わせる。
論文 参考訳(メタデータ) (2020-12-27T17:08:46Z) - Partial Recovery in the Graph Alignment Problem [0.0]
エッジオーバーラップを最大化するノード間の1対1のマッピングである2つのグラフが与えられた場合、回復する問題を考察する。
この問題は、よく知られたグラフ同型問題のノイズバージョンと見なすことができる。
我々は、ある追加仮定の下で$nqs=Theta(1)$ regimeで部分的回復を達成することができることを示す。
論文 参考訳(メタデータ) (2020-07-01T14:57:53Z) - Scalable Deep Generative Modeling for Sparse Graphs [105.60961114312686]
既存のディープニューラルネットワーク手法では、隣接行列を構築することで、$Omega(n2)$複雑さを必要とする。
我々は,この空間を利用して完全隣接行列を生成する新しい自己回帰モデルBiGGを開発した。
トレーニング中、この自己回帰モデルは$O(log n)$同期ステージで並列化できる。
論文 参考訳(メタデータ) (2020-06-28T04:37:57Z) - Model-Based Reinforcement Learning with Value-Targeted Regression [48.92439657407732]
我々は、遷移モデル $P$ が既知のモデルの族 $mathcalP$ に属する有限水平エピソード RL に焦点を当てる。
線形混合の特別な場合において、後悔束は $tildemathcalO(dsqrtH3T)$ という形を取る。
論文 参考訳(メタデータ) (2020-06-01T17:47:53Z)
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。