Fugu-MT 論文翻訳(概要): Learning MDL logic programs from noisy data

論文の概要: Learning MDL logic programs from noisy data

arxiv url: http://arxiv.org/abs/2308.09393v1
Date: Fri, 18 Aug 2023 08:49:30 GMT
ステータス: 処理完了
システム内更新日: 2023-08-21 13:46:30.311284
Title: Learning MDL logic programs from noisy data
Title（参考訳）: 雑音データからmdl論理プログラムを学ぶ
Authors: C\'eline Hocquette, Andreas Niskanen, Matti J\"arvisalo, Andrew Cropper
Abstract要約: ノイズの多いデータから最小記述長プログラムを学習する手法を提案する。薬物設計やゲームプレイ,プログラム合成など,いくつかの分野での実験を行った結果,既存のアプローチよりも優れていることがわかった。
参考スコア（独自算出の注目度）: 19.749004264961492
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Many inductive logic programming approaches struggle to learn programs from noisy data. To overcome this limitation, we introduce an approach that learns minimal description length programs from noisy data, including recursive programs. Our experiments on several domains, including drug design, game playing, and program synthesis, show that our approach can outperform existing approaches in terms of predictive accuracies and scale to moderate amounts of noise.
Abstract（参考訳）: 多くの帰納論理プログラミングアプローチは、ノイズの多いデータからプログラムを学ぶのに苦労している。この制限を克服するために,再帰的プログラムを含む雑音データから記述長最小プログラムを学習する手法を提案する。薬物設計,ゲームプレイ,プログラム合成など,いくつかの分野での実験を行った結果,予測精度で既存手法を上回り,中程度の雑音にスケールできることが判明した。

関連論文リスト

Learning logic programs by finding minimal unsatisfiable subprograms [24.31242130341093]
最小不満足なサブプログラム (MUSP) を識別する ILP アプローチを導入する。プログラム合成やゲームプレイなど,複数の領域での実験を行った結果,学習時間を99%短縮できることがわかった。
論文参考訳（メタデータ） (2024-01-29T18:24:16Z)
Noise-Robust Fine-Tuning of Pretrained Language Models via External Guidance [61.809732058101304]
ノイズラベルを用いた微調整PLMの革新的な手法を提案する。このアプローチにはChatGPTのようなLarge Language Models(LLM)のガイダンスが組み込まれている。このガイダンスは、クリーンサンプルとノイズサンプルを正確に区別するのに役立つ。
論文参考訳（メタデータ） (2023-11-02T09:20:38Z)
Turaco: Complexity-Guided Data Sampling for Training Neural Surrogates of Programs [14.940174578659603]
本稿では,ニューラルネットワークに基づくプログラムのサロゲートをトレーニングするための,データセットのサンプリング手法を提案する。まず,プログラムの入力空間の各領域からのサンプルデータの割合を,対応する実行パスのサロゲートを学習する複雑性に基づいて特徴付ける。これらの結果を実世界のプログラムで評価し,複雑性誘導サンプリングが精度を実証的に向上させることを示した。
論文参考訳（メタデータ） (2023-09-21T01:59:20Z)
Hierarchical Programmatic Reinforcement Learning via Learning to Compose Programs [58.94569213396991]
プログラムポリシーを作成するための階層型プログラム強化学習フレームワークを提案する。提案するフレームワークは,プログラム作成の学習を通じて,アウト・オブ・ディストリビュータの複雑な動作を記述するプログラムポリシーを作成することができる。 Karel ドメインの実験結果から,提案するフレームワークがベースラインより優れていることが示された。
論文参考訳（メタデータ） (2023-01-30T14:50:46Z)
From Perception to Programs: Regularize, Overparameterize, and Amortize [21.221244694737134]
ニューラルネットによる知覚入力を低次元の解釈可能な表現に解析し、次に合成プログラムで処理するニューロシンボリックプログラム合成技術を開発した。問題を緩和し,全モジュールを勾配勾配でエンドツーエンドに学習する手法について検討する。このツールボックスは、勾配誘導型プログラム探索の安定性を改善し、入力を離散抽象として知覚する方法と、それらの抽象をプログラムとして象徴的に処理する方法の両方を学ぶ方法を提案する。
論文参考訳（メタデータ） (2022-06-13T06:27:11Z)
Learning logic programs by combining programs [24.31242130341093]
我々は、小さな非分離型プログラムを学習し、それらを組み合わせるアプローチを導入する。我々は制約駆動型LPシステムにアプローチを実装した。ゲームプレイやプログラム合成など,複数の領域に対する実験により,既存のアプローチを劇的に上回る結果が得られた。
論文参考訳（メタデータ） (2022-06-01T10:07:37Z)
A Survey on Programmatic Weak Supervision [74.13976343129966]
本稿では、PWS学習パラダイムの簡単な紹介と、各PWS学習ワークフローに対する代表的アプローチのレビューを行う。この分野の今後の方向性に刺激を与えるために、この分野でまだ探索されていないいくつかの重要な課題を特定します。
論文参考訳（メタデータ） (2022-02-11T04:05:38Z)
Learning to Synthesize Programs as Interpretable and Generalizable Policies [25.258598215642067]
本稿では,プログラムの合成を学習するフレームワークについて述べる。実験の結果,提案フレームワークは,タスク解決プログラムを確実に合成するだけでなく,DRLやプログラム合成ベースラインよりも優れていることがわかった。
論文参考訳（メタデータ） (2021-08-31T07:03:06Z)
BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
論文参考訳（メタデータ） (2020-07-28T17:46:18Z)
Can We Learn Heuristics For Graphical Model Inference Using Reinforcement Learning? [114.24881214319048]
我々は、強化学習を用いて、高次条件ランダム場(CRF)における推論を解くためのプログラム、すなわち、ポリシーを学習できることを示します。本手法は,ポテンシャルの形式に制約を加えることなく,推論タスクを効率的に解く。
論文参考訳（メタデータ） (2020-04-27T19:24:04Z)
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。