論文の概要: Conway's law, revised from a mathematical viewpoint
- arxiv url: http://arxiv.org/abs/2311.10475v2
- Date: Wed, 21 Feb 2024 00:53:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 19:52:52.894511
- Title: Conway's law, revised from a mathematical viewpoint
- Title（参考訳）: 数学的観点から修正されたコンウェイの法則
- Authors: Shigeki Matsutani, Shousuke Ohmori, Kenji Hiranabe, and Eiichi Hanyuda
- Abstract要約: 数学的な観点からコンウェイの法則を改訂する。
タスクグラフを導入することで、まずConwayの法則を厳格に記述します。
次に、コンウェイの対応と階層構造との自然な表現を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this article, we revise Conway's Law from a mathematical point of view. By
introducing a task graph, we first rigorously state Conway's Law based on the
homomorphisms in graph theory for the software system and the organizations
that created it. Though Conway did not mention it, the task graph shows the
geometric structure of tasks, which plays a crucial role. Furthermore, due to
recent requirements for high-level treatment of communication (due to security,
knowledge hiding, etc.) in organizations and hierarchical treatment of
organizations, we have reformulated these statements in terms of weakened
homomorphisms, and the continuous maps in graph topology. In order to use graph
topology and the continuous map in Conway's law, we have prepared them as
mathematical tools, and then we show the natural expression of Conway's
correspondences with hierarchical structures.
- Abstract（参考訳）: 本稿では,コンウェイの法則を数学的観点から見直しる。
タスクグラフを導入することで、ソフトウェアシステムとそれを作った組織に対するグラフ理論の準同型に基づいて、コンウェイの法則を厳格に記述する。
コンウェイはこれを言及していないが、タスクグラフはタスクの幾何学的構造を示しており、重要な役割を果たす。
さらに,組織におけるコミュニケーション(セキュリティ,知識隠蔽など)の高度処理や組織階層的処理に対する近年の要求から,これらのステートメントを弱化準同型,グラフトポロジーにおける連続写像という観点から再構成した。
グラフトポロジーとコンウェイの法則の連続写像を使用するために、それらを数学的ツールとして準備し、コンウェイの対応と階層構造との自然な表現を示す。
関連論文リスト
- Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。
我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。
グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文 参考訳（メタデータ） (2023-11-29T12:48:33Z) - PlanE: Representation Learning over Planar Graphs [9.697671872347131]
この研究はホップクロフトとタージャンの古典的な平面グラフ同型アルゴリズムにインスパイアされている。
PlanEには、実用的な拡張性を維持しながら、平面グラフ上の完全な不変性を学習できるアーキテクチャが含まれている。
論文 参考訳（メタデータ） (2023-07-03T17:45:01Z) - On the Expressivity of Persistent Homology in Graph Learning [13.608942872770855]
計算トポロジのテクニックである永続化ホモロジーは、最近、グラフ分類の文脈において、強い経験的性能を示した。
本稿では、グラフの文脈における永続的ホモロジーの簡単な紹介と、グラフ学習タスクにおけるその表現性に関する理論的議論と実証分析について述べる。
論文 参考訳（メタデータ） (2023-02-20T08:19:19Z) - Sequential Manipulation Planning on Scene Graph [90.28117916077073]
我々は,効率的な逐次タスク計画のための3次元シーングラフ表現であるコンタクトグラフ+(cg+)を考案する。
ゴール設定は、自然にコンタクトグラフに指定され、最適化法を用いて遺伝的アルゴリズムによって作成することができる。
次に、初期接触グラフと目標設定との間のグラフ編集距離(GED)を計算してタスクプランを簡潔化し、ロボット動作に対応するグラフ編集操作を生成する。
論文 参考訳（メタデータ） (2022-07-10T02:01:33Z) - Harnessing spectral representations for subgraph alignment [15.86857474914914]
本稿では,コンパクトで計算が容易で,トポロジ的変化に頑健で,既存のパイプラインに差し込むのが容易で,特に部分グラフアライメント問題に有効である地図のスペクトル表現を提案する。
サブグラフアライメントタスクで生じる部分性がマップ係数の特別な構造として表される驚くべき現象を初めて報告する。
論文 参考訳（メタデータ） (2022-05-30T09:03:28Z) - Inter-GPS: Interpretable Geometry Problem Solving with Formal Language
and Symbolic Reasoning [123.06420835072225]
3,002の幾何学的問題と密接なアノテーションを形式言語に含む新しい大規模ベンチマークGeometry3Kを構築します。
我々は、Interpretable Geometry Problemsolvr (Inter-GPS)と呼ばれる形式言語と記号推論を用いた新しい幾何学的解法を提案する。
イントラGPSは定理の知識を条件付き規則として取り入れ、記号的推論を段階的に行う。
論文 参考訳（メタデータ） (2021-05-10T07:46:55Z) - Graph state representation of the toric code [0.0]
トーリック符号グラフは、星グラフ(グリーンベルガー=ホルン=ゼーリンガー状態の符号化)とハーフグラフの2種類の部分グラフからなる。
その結果, トポロジ的順序の調査と新しいトポロジ的誤り訂正符号の開発のためのグラフ理論の枠組みが得られた。
論文 参考訳（メタデータ） (2021-03-23T02:27:07Z) - LogicalFactChecker: Leveraging Logical Operations for Fact Checking with
Graph Module Network [111.24773949467567]
ファクトチェックに論理演算を活用するニューラルネットワークアプローチであるLogicalFactCheckerを提案する。
大規模なベンチマークデータセットであるTABFACT上での最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2020-04-28T17:04:19Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-03-23T12:28:07Z) - Can Graph Neural Networks Count Substructures? [53.256112515435355]
グラフニューラルネットワーク(GNN)の能力について,属性付きグラフサブ構造をカウントする能力を用いて検討する。
我々は2種類のサブストラクチャカウントを区別する: インダクションサブグラフカウントとサブグラフカウント、および人気のあるGNNアーキテクチャに対する肯定的および否定的な回答である。
論文 参考訳（メタデータ） (2020-02-10T18:53:30Z)
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。