論文の概要: Arithmetics-Based Decomposition of Numeral Words -- Arithmetic Conditions give the Unpacking Strategy

• arxiv url: http://arxiv.org/abs/2312.10097v1
• Date: Thu, 14 Dec 2023 17:45:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-19 18:50:09.910477
• Title: Arithmetics-Based Decomposition of Numeral Words -- Arithmetic Conditions give the Unpacking Strategy
• Title（参考訳）: 算術に基づく数字単語の分解 ---アンパック戦略を与える算術条件
• Authors: Isidor Konrad Maier, Matthias Wolff
• Abstract要約: 本稿ではHurford's Packing Strategyを復号するために設計された新しい数値分解器を提案する。 Packing Strategy(パッケージ戦略)は、再帰によって小さな数語から数語がどのように形成されるかのモデルである。 我々は254種類の自然言語の数値システムでデコンポザを検証した。
• 参考スコア（独自算出の注目度）: 0.609170287691728
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In this paper we present a novel numeral decomposer that is designed to revert Hurford's Packing Strategy. The Packing Strategy is a model on how numeral words are formed out of smaller numeral words by recursion. The decomposer does not simply check decimal digits but it also works for numerals formed on base 20 or any other base or even combinations of different bases. All assumptions that we use are justified with Hurford's Packing Strategy. The decomposer reads through the numeral. When it finds a sub-numeral, it checks arithmetic conditions to decide whether or not to unpack the sub-numeral. The goal is to unpack those numerals that can sensibly be substituted by similar numerals. E.g., in 'twenty-seven thousand and two hundred and six' it should unpack 'twenty-seven' and 'two hundred and six', as those could each be sensibly replaced by any numeral from 1 to 999. Our most used condition is: If S is a substitutable sub-numeral of a numeral N, then 2*value(S) < value(N). We have tested the decomposer on numeral systems in 254 different natural languages. We also developed a reinforcement learning algorithm based on the decomposer. Both algorithms' code and the results are open source on GitHub.
• Abstract（参考訳）: 本稿では,Hurford's Packing Strategyを復号する新しい数値分解器を提案する。 Packing Strategyは、再帰によってより小さな数語から数語が形成される方法のモデルである。 分解器は単に十進数をチェックするだけでなく、ベース20または他のベースまたは異なるベースの組み合わせで形成される数字に対しても機能する。 私たちが使用する仮定はすべて、hurfordのパッキング戦略によって正当化されます。 分解器は数字を読みます。 サブ数値が見つかると、算術条件をチェックし、サブ数値をアンパックするかどうかを判断する。 目標は、類似の数字に置き換えられるような数字を解き放つことです。 例えば「20,7,200,6」では、「20,7」と「200,6」を解き放ち、それぞれが1から999までの任意の数字に置き換えられる。 我々の最もよく用いられる条件は次の通りである: S が数値 N の置換可能部分数であれば、2*value(S) < value(N) である。 我々は254の異なる自然言語で数値システム上で分解器をテストした。 また,分解器に基づく強化学習アルゴリズムを開発した。 アルゴリズムのコードと結果の両方がgithubで公開されている。

関連論文リスト

• Quantum inspired factorization up to 100-bit RSA number in polynomial time [0.0]
  我々はシュノーアの数学的枠組みに基づくRSA因子化ビルディングを攻撃した。 我々は、量子システムにおける最適化問題を符号化する最大256ビットのRSA数を分解する。 結果は現在の通信インフラのセキュリティを損なうものではない。
  論文  参考訳（メタデータ） (2024-10-21T18:00:00Z)
• Scaling Behavior for Large Language Models regarding Numeral Systems: An Example using Pythia [55.23627698804683]
  本研究では, 変圧器を用いた大規模言語モデルを用いて, 異なる数値システムのスケーリング挙動について検討する。 ベース10ドルシステムは、トレーニングデータスケール全体で、ベース102ドルまたは103ドルよりも一貫してデータ効率が高い。 私たちは、トークンレベルの識別とトークンレベルの操作に苦労する、ベース100ドルとベース1,000ドルのシステムを特定します。
  論文  参考訳（メタデータ） (2024-09-25T22:08:31Z)
• How to Leverage Digit Embeddings to Represent Numbers? [13.880400817682059]
  1+2の代わりに100+200を解くような一般化は、モデルの性能に大きく影響する。 数字の文字レベルの埋め込みは、数値表現を改善するための有望なアプローチとして現れている。 我々は、数値的な先行計算を用いて、集約された桁埋め込みを計算し、これらの集合をトランスフォーマーモデルに明示的に組み込む。
  論文  参考訳（メタデータ） (2024-07-01T01:31:41Z)
• Multiple Subset Problem as an encryption scheme for communication [0.0]
  部分集合和問題(SSP)は、与えられた集合から整数のサブセットを見つけ、その和は指定された整数に等しいと定義することができる。 本稿では,MSSPに基づく暗号化方式を提案し,その新しい利用法と実装について述べる。
  論文  参考訳（メタデータ） (2024-01-17T14:02:40Z)
• A new lightweight additive homomorphic encryption algorithm [0.0]
  本稿では、同じ暗号鍵と復号鍵を持つ軽量な加法的同型アルゴリズムについて述べる。 これにより、モジュラー指数からモジュラー乗算への暗号化と復号化の計算コストが削減される。
  論文  参考訳（メタデータ） (2023-12-12T05:12:20Z)
• Efficient Algorithms for Recognizing Weighted Tree-Adjoining Languages [104.90415092306219]
  4つの形式は、ツリー随伴文法(TAG)、線形指数文法(LIG)、プッシュダウン随伴オートマトン(PAA)、組込みプッシュダウンオートマトン(EPDA)に相当する。 我々は,文字列の導出量(文字列のすべてのオートマトン重み)と全導出量(全ての導出量重み)を計算するための新しいアルゴリズムを設計する。 EPDA の場合、我々のアルゴリズムは、$mathcalO(|Gamma|2)$ および $ の因子による Alonso et al. (2001) のアルゴリズムよりも空間効率と時間効率が良い。
  論文  参考訳（メタデータ） (2023-10-23T18:26:00Z)
• Longest Common Substring and Longest Palindromic Substring in $\tilde{\mathcal{O}}(\sqrt{n})$ Time [0.0]
  LCS(Longest Common Substring)とLPS(Longest Palindromic Substring)は、コンピュータ科学における古典的な問題である。 計算回路モデルにおいて, LCS と LPS の双方に対する量子アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-03T19:27:57Z)
• DS-1000: A Natural and Reliable Benchmark for Data Science Code Generation [70.96868419971756]
  DS-1000は7つのPythonライブラリにまたがる1000のデータサイエンス問題のあるコード生成ベンチマークである。 まず、StackOverflowからそれらを収集して以来の、多様で現実的で実践的なユースケースを反映しています。 第2に、私たちの自動評価は非常に具体的(信頼性)です -- 評価が受け入れているすべてのCodex予測ソリューションに対して、そのわずか1.8%が間違っています。
  論文  参考訳（メタデータ） (2022-11-18T17:20:27Z)
• Complex Reading Comprehension Through Question Decomposition [48.256818683923626]
  本稿では,言語モデルによる難解なマルチホップ質問の理解を支援する新しい学習手法を提案する。 我々のモデルはまず、訓練可能な質問分解器によって、各マルチホップ質問をいくつかのサブクエストに分解することを学ぶ。 我々は,シーケンス・ツー・シーケンス方式で解答を予測するために,読解理解モデルを活用する。
  論文  参考訳（メタデータ） (2022-11-07T02:54:04Z)
• Algorithms and SQ Lower Bounds for PAC Learning One-Hidden-Layer ReLU Networks [48.32532049640782]
  ガウス境界の下で, 1層ReLUネットワークを$k$の隠れ単位で学習する問題をmathbbRd$で研究する。 正の係数の場合、この学習問題の初回アルゴリズムを$k$から$tildeOOmega(sqrtlog d)$まで与える。
  論文  参考訳（メタデータ） (2020-06-22T17:53:54Z)
• Model Selection in Contextual Stochastic Bandit Problems [51.94632035240787]
  基本アルゴリズムを選択できるメタアルゴリズムを開発した。 基本アルゴリズムの1つが$O(sqrtT)$後悔している場合でも、一般的には$Omega(sqrtT)$後悔よりも良いものを得ることはできません。
  論文  参考訳（メタデータ） (2020-03-03T18:46:34Z)

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。