論文の概要: Synthesis of Procedural Models for Deterministic Transition Systems
- arxiv url: http://arxiv.org/abs/2307.14368v1
- Date: Tue, 25 Jul 2023 11:23:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-28 17:16:35.427577
- Title: Synthesis of Procedural Models for Deterministic Transition Systems
- Title（参考訳）: 決定論的遷移系に対する手続きモデルの合成
- Authors: Javier Segovia-Aguas, Jonathan Ferrer-Mestres, Sergio Jim\'enez
- Abstract要約: 本稿では、与えられた離散システムの状態遷移の手続きモデルをモデル化するための一般的なアプローチを紹介する。
我々は、(前状態、動作、後状態)オートマトンとして表される状態遷移の一連の例が入力として与えられることを意味する合成への帰納的アプローチに従う。
目的は、所定のプレステート上で実行されると関連するポストステートを出力する構造化プログラムを合成することである。
- 参考スコア（独自算出の注目度）: 4.544151613454639
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces a general approach for synthesizing procedural models
of the state-transitions of a given discrete system. The approach is general in
that it accepts different target languages for modeling the state-transitions
of a discrete system; different model acquisition tasks with different target
languages, such as the synthesis of STRIPS action models, or the update rule of
a cellular automaton, fit as particular instances of our general approach. We
follow an inductive approach to synthesis meaning that a set of examples of
state-transitions, represented as (pre-state, action, post-state) tuples, are
given as input. The goal is to synthesize a structured program that, when
executed on a given pre-state, outputs its associated post-state. Our synthesis
method implements a combinatorial search in the space of well-structured
terminating programs that can be built using a Random-Access Machine (RAM),
with a minimalist instruction set, and a finite amount of memory. The
combinatorial search is guided with functions that asses the complexity of the
candidate programs, as well as their fitness to the given input set of
examples.
- Abstract（参考訳）: 本稿では、与えられた離散システムの状態遷移の手続きモデルを合成するための一般的なアプローチを紹介する。
このアプローチは一般的に、離散システムの状態遷移をモデル化するために異なるターゲット言語を受け入れます。ストリップアクションモデルの合成やセルオートマトンのアップデートルールなど、異なるターゲット言語を持つ異なるモデル獲得タスクは、我々の一般的なアプローチの特定の例に適合します。
合成への帰納的アプローチは、(pre-state, action, post-state)タプルとして表される状態遷移の一連の例が入力として与えられることを意味する。
目標は、所定の前状態上で実行されると、関連する後状態を出力する構造化プログラムを合成することである。
提案手法は,Random-Access Machine (RAM) と最小限の命令セットと有限量のメモリを用いて構築可能な,構造化された終了プログラムの空間における組合せ探索を実装した。
コンビネート検索は、候補プログラムの複雑さや、与えられた入力セットへの適合度を評価する関数によって導かれる。
関連論文リスト
- ExeDec: Execution Decomposition for Compositional Generalization in Neural Program Synthesis [54.18659323181771]
プログラム合成において望ましいいくつかの異なる構成一般化形式を特徴付ける。
本稿では,ExeDecを提案する。ExeDecは,実行サブゴールを予測し,各ステップでプログラム実行によって段階的に通知される問題を解くための,新しい分解ベースの戦略である。
論文 参考訳（メタデータ） (2023-07-26T01:07:52Z) - Neural Combinatorial Logic Circuit Synthesis from Input-Output Examples [10.482805367361818]
本稿では,入力出力の例から論理回路を合成するための,新しい完全説明可能なニューラルアプローチを提案する。
我々の方法は、ほぼ任意の原子の選択に利用できる。
論文 参考訳（メタデータ） (2022-10-29T14:06:42Z) - Efficient Pragmatic Program Synthesis with Informative Specifications [13.234975857626752]
本研究では,プログラムの協調分布を独立要因の積で近似することにより,実用的かつ効率的なプログラムシンセサイザーを構築することができることを示す。
因子近似を仮定するシンセサイザーは, 人間の入力に対して正確な関節分布を仮定するシンセサイザーよりも優れていた。
論文 参考訳（メタデータ） (2022-04-05T21:25:58Z) - A Conversational Paradigm for Program Synthesis [110.94409515865867]
本稿では,大規模言語モデルを用いた対話型プログラム合成手法を提案する。
私たちは、自然言語とプログラミング言語のデータに基づいて、CodeGenと呼ばれる大規模な言語モデルのファミリーを訓練します。
本研究は,会話能力の出現と,提案した会話プログラム合成パラダイムの有効性を示すものである。
論文 参考訳（メタデータ） (2022-03-25T06:55:15Z) - Multi-modal Program Inference: a Marriage of Pre-trainedLanguage Models
and Component-based Synthesis [15.427687814482724]
マルチモーダルプログラム合成(マルチモーダルプログラムせき、英: Multi-modal program synthesis)とは、プログラム(コード)を異なる形式で指定した仕様から合成するタスクである。
例は正確だが不完全な仕様を提供し、自然言語は曖昧だがより「完全」なタスク記述を提供する。
2つのプログラミング領域に対するマルチモーダル合成システムのインスタンス化に,我々の組み合わせアプローチを用いる。
論文 参考訳（メタデータ） (2021-09-03T16:12:04Z) - Latent Execution for Neural Program Synthesis Beyond Domain-Specific
Languages [97.58968222942173]
入力出力の例からCプログラムを合成する第一歩を踏み出す。
特に,部分生成プログラムの実行を近似するために潜在表現を学習するLa Synthを提案する。
これらのプログラムのトレーニングにより,Karel と C のプログラム合成における予測性能がさらに向上することを示す。
論文 参考訳（メタデータ） (2021-06-29T02:21:32Z) - Structured Reordering for Modeling Latent Alignments in Sequence
Transduction [86.94309120789396]
本稿では,分離可能な置換の辺りを正確に推定する効率的な動的プログラミングアルゴリズムを提案する。
結果のSeq2seqモデルは、合成問題やNLPタスクの標準モデルよりも体系的な一般化が優れている。
論文 参考訳（メタデータ） (2021-06-06T21:53:54Z) - Representing Partial Programs with Blended Abstract Semantics [62.20775388513027]
プログラム合成エンジンにおける部分的なプログラム表現手法について紹介する。
モジュラーニューラルネットワークとして実装された近似実行モデルを学ぶ。
これらのハイブリッドニューロシンボリック表現は、実行誘導型シンセサイザーがより強力な言語構成を使うことができることを示す。
論文 参考訳（メタデータ） (2020-12-23T20:40:18Z) - Optimal Neural Program Synthesis from Multimodal Specifications [45.35689345004124]
マルチモーダルプログラム合成は、プログラム合成を挑戦的な設定に拡張する魅力的な方法である。
本稿では,ユーザが提供する制約を満たすプログラムを見つけることを目的とした,最適なニューラルシンセサイザー手法を提案する。
論文 参考訳（メタデータ） (2020-10-04T20:51:21Z) - Program Synthesis with Pragmatic Communication [28.24612900419843]
本研究では,プログラム合成タスクを合理的なコミュニケーションとしてモデル化した新しい帰納的バイアスを導入する。
ユーザスタディでは、エンドユーザの参加者が、非実用的なプログラムシンセサイザーよりも、より効果的に、実践的なプログラムシンセサイザーと通信することを発見した。
論文 参考訳（メタデータ） (2020-07-09T20:55:44Z) - Creating Synthetic Datasets via Evolution for Neural Program Synthesis [77.34726150561087]
いくつかのプログラム合成手法は、ランダムに生成された例と異なるデータ分布によく一般化されていることを示す。
本稿では, 合成データ分布のバイアスを制御し, 現在の手法より優れていることを示すための, 新たな敵対的手法を提案する。
論文 参考訳（メタデータ） (2020-03-23T18:34:15Z)
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。