論文の概要: PBCounter: Weighted Model Counting on Pseudo-Boolean Formulas

• arxiv url: http://arxiv.org/abs/2312.15877v1
• Date: Tue, 26 Dec 2023 04:03:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-27 15:54:28.594335
• Title: PBCounter: Weighted Model Counting on Pseudo-Boolean Formulas
• Title（参考訳）: PBCounter:擬似ブール式上の重み付きモデル数
• Authors: Yong Lai, Zhenghang Xu, Minghao Yin
• Abstract要約: 重み付きPBカウントツールPBCounterを実装した。 我々はPBCounterとSharpSAT-TD, ExactMC, D4, ADDMCの最先端の重み付きモデルカウンタを比較した。 ベンチマークの3つの領域の実験は、PBCounterがCNF式上のモデルカウンタよりも優れていることを示している。
• 参考スコア（独自算出の注目度）: 18.02313966511695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In Weighted Model Counting (WMC), we assign weights to literals and compute the sum of the weights of the models of a given propositional formula where the weight of an assignment is the product of the weights of its literals. The current WMC solvers work on Conjunctive Normal Form (CNF) formulas. However, CNF is not a natural representation for human-being in many applications. Motivated by the stronger expressive power of pseudo-Boolean (PB) formulas than CNF, we propose to perform WMC on PB formulas. Based on a recent dynamic programming algorithm framework called ADDMC for WMC, we implement a weighted PB counting tool PBCounter. We compare PBCounter with the state-of-the-art weighted model counters SharpSAT-TD, ExactMC, D4, and ADDMC, where the latter tools work on CNF with encoding methods that convert PB constraints into a CNF formula. The experiments on three domains of benchmarks show that PBCounter is superior to the model counters on CNF formulas.
• Abstract（参考訳）: 重み付きモデルカウント (wmc) では、重みをリテラルに割り当て、代入の重みがそのリテラルの重みの積である与えられた命題公式のモデルの重みの和を計算する。 現在のwmcソルバは結合正規形(cnf)公式に取り組んでいる。 しかし、CNFは多くの応用において人間にとって自然な表現ではない。 CNF よりも強い擬ブール式(PB) の表現力により, PB 式上で WMC を実行することを提案する。 最近の動的プログラミングアルゴリズムフレームワーク addmc for wmc に基づいて,重み付きpb計数ツール pbcounter を実装した。 pbcounter と最新の重み付きモデルカウンタである sharpsat-td, exactmc, d4, addmc を比較した。 ベンチマークの3つの領域における実験は、pbcounterがcnf公式のモデルカウンタよりも優れていることを示している。

関連論文リスト

• Engineering an Exact Pseudo-Boolean Model Counter [38.901687092266094]
  そこで我々は,代数的決定図を用いた知識コンパイル手法に依存する,最初の正確なPseudo-BooleanモデルカウンタPBCountを提案する。 PBCountは1513インスタンスのカウントを計算できるが、現状のアプローチでは1013インスタンスしか処理できない。
  論文  参考訳（メタデータ） (2023-12-19T17:14:06Z)
• Lifted Algorithms for Symmetric Weighted First-Order Model Sampling [7.007419073974192]
  数量化器を用いた一階述語論理の2変数フラグメントのサンプリングにおけるドメインリフト性を証明する。 そして、この結果は、基数制約の存在下においても引き続き持続することを示す。 我々のアルゴリズムは、最先端のWMSサンプリングよりもかなりのマージンで優れています。
  論文  参考訳（メタデータ） (2023-08-17T07:40:47Z)
• Benchmarking Diverse-Modal Entity Linking with Generative Models [78.93737257356784]
  既存の EL データセットから様々なモード EL (DMEL) のベンチマークを構築した。 DMEL タスクにアプローチするため,マルチモーダルエンコーダ・デコーダのパラダイムに則って生成多モードモデル (GDMM) を提案する。 GDMMは、より強力なDMELベースラインを構築し、平均8.51F1スコアで最先端のタスク固有のELモデルを上回っている。
  論文  参考訳（メタデータ） (2023-05-27T02:38:46Z)
• DPO: Dynamic-Programming Optimization on Hybrid Constraints [26.704502486686128]
  ベイズ推定において、最も可能性の高い説明(MPE)問題は、いくつかの証拠から最も高い確率で変数のインスタンス化を要求する。 ブール MPE は (部分重み付き) MaxSAT への還元によって解けることが知られている。 我々はDPMC上に構築し,MPEを正確に解く動的プログラミングであるDPOを導入する。
  論文  参考訳（メタデータ） (2022-05-17T21:18:54Z)
• Low-variance estimation in the Plackett-Luce model via quasi-Monte Carlo sampling [58.14878401145309]
  PLモデルにおいて,より標本効率の高い予測値を生成するための新しい手法を開発した。 Amazon MusicのリアルなレコメンデーションデータとYahooの学習からランクへの挑戦を理論的にも実証的にも使用しています。
  論文  参考訳（メタデータ） (2022-05-12T11:15:47Z)
• Rule-based Shielding for Partially Observable Monte-Carlo Planning [78.05638156687343]
  一部観測可能なモンテカルロ計画(POMCP)への2つの貢献を提案する。 1つ目は、POMCPが選択した予期しない行動を、タスクのエキスパートの事前知識に関して識別する方法です。 2つ目は、POMCPが予期せぬ動作を選択するのを防ぐ遮蔽アプローチである。 我々は,pomdpsの標準ベンチマークであるtigerに対するアプローチと,移動ロボットナビゲーションにおける速度規制に関する実世界問題を評価する。
  論文  参考訳（メタデータ） (2021-04-28T14:23:38Z)
• On Batch Normalisation for Approximate Bayesian Inference [102.94525205971873]
  バッチ正規化は証拠の下限(ELBO)の最適性に影響しないことを示す。 また,モンテカルロバッチ正規化(MCBN)アルゴリズムについても検討し,MCDropoutと平行な近似推論手法を提案する。
  論文  参考訳（メタデータ） (2020-12-24T12:40:11Z)
• DPMC: Weighted Model Counting by Dynamic Programming on Project-Join Trees [26.25724674611307]
  共役正規形の公式の厳密なリテラル重み付きモデル数を計算するための動的プログラミングフレームワークを提案する。 私たちのフレームワークの中心には、効率的なプロジェクト-ジョイントの順序を指定するプロジェクト-ジョイントツリーがあります。 我々の動的プログラミングモデルカウントフレームワークDPMCは,キャレット,c2d,d4,miniC2Dの精度の高い重み付けモデルカウンタと競合することを示す。
  論文  参考訳（メタデータ） (2020-08-20T03:09:09Z)
• MCMC Should Mix: Learning Energy-Based Model with Neural Transport Latent Space MCMC [110.02001052791353]
  学習エネルギーベースモデル(EBM)は学習アルゴリズムの内部ループとして学習モデルのMCMCサンプリングを必要とする。 バックボーンモデルの潜伏変数の空間において、モデルは特に単純であることを示す。
  論文  参考訳（メタデータ） (2020-06-12T01:25:51Z)
• On the Approximability of Weighted Model Integration on DNF Structures [13.986963122264632]
  DNF構造上の重み付きモデル積分は、実際には重み関数のクラスに対して近似できることを示す。 我々の近似アルゴリズムは3つのサブルーチンに基づいており、それぞれが弱い(すなわち近似)または強い(すなわち正確な)オラクルとなる。
  論文  参考訳（メタデータ） (2020-02-17T00:29:41Z)

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。