論文の概要: A Reversible Perspective on Petri Nets and Event Structures

• arxiv url: http://arxiv.org/abs/2312.16714v1
• Date: Wed, 27 Dec 2023 20:47:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-29 18:15:01.902722
• Title: A Reversible Perspective on Petri Nets and Event Structures
• Title（参考訳）: ペトリネットとイベント構造に関する可逆的視点
• Authors: Hern\'an Melgratti, Claudio Antares Mezzina, G. Michele Pinna
• Abstract要約: イベント構造は並列計算の基盤モデルとして登場した。 イベント構造は、プロセスが以前の計算を解除できる可逆性に対処するために拡張されている。 可逆因果ネットと呼ばれる文脈的ペトリネットのサブセットを導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event structures have emerged as a foundational model for concurrent computation, explaining computational processes by outlining the events and the relationships that dictate their execution. They play a pivotal role in the study of key aspects of concurrent computation models, such as causality and independence, and have found applications across a broad range of languages and models, spanning realms like persistence, probabilities, and quantum computing. Recently, event structures have been extended to address reversibility, where computational processes can undo previous computations. In this context, reversible event structures provide abstract representations of processes capable of both forward and backward steps in a computation. Since their introduction, event structures have played a crucial role in bridging operational models, traditionally exemplified by Petri nets and process calculi, with denotational ones, i.e., algebraic domains. In this context, we revisit the standard connection between Petri nets and event structures under the lenses of reversibility. Specifically, we introduce a subset of contextual Petri nets, dubbed reversible causal nets, that precisely correspond to reversible prime event structures. The distinctive feature of reversible causal nets lies in deriving causality from inhibitor arcs, departing from the conventional dependence on the overlap between the post and preset of transitions. In this way, we are able to operationally explain the full model of reversible prime event structures.
• Abstract（参考訳）: イベント構造は並列計算の基礎モデルとして登場し、イベントとその実行を決定する関係を概説することで計算過程を説明する。 それらは因果性や独立性といった並行計算モデルの重要側面の研究において重要な役割を果たし、永続性、確率性、量子コンピューティングといった領域にまたがる幅広い言語やモデルにまたがる応用を見出した。 近年、イベント構造は可逆性に対処するために拡張され、計算プロセスは以前の計算を解き放つことができる。 この文脈では、可逆イベント構造は、計算において前方と後方の両方のステップが可能なプロセスの抽象表現を提供する。 イベント構造は、導入以来、ペトリネットやプロセス計算によって伝統的に例示されるような操作モデルをブリッジする上で重要な役割を担ってきた。 この文脈では、ペトリネットとイベント構造の間の標準接続を可逆性レンズの下で再検討する。 具体的には、可逆的因果ネットと呼ばれる文脈的ペトリネットのサブセットを導入し、可逆的素イベント構造に正確に対応します。 可逆因果ネットの特徴的な特徴は、インヒビターアークから因果関係を導出することであり、遷移のポストとプレセットの重なりに従来からの依存から遠ざかる。 このようにして、可逆的な素イベント構造の全モデルを運用的に説明できる。

関連論文リスト

• Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
  本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。 最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。 シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
  論文  参考訳（メタデータ） (2023-10-05T07:10:40Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Compositional Probabilistic and Causal Inference using Tractable Circuit Models [20.07977560803858]
  我々は、構造化分解可能なPCにおける(マルジナル)決定性の新規な定式化であるmd-vtreesを紹介する。 我々は,PC上でのバックドア調整などの因果推論クエリに対して,最初のpolytimeアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2023-04-17T13:48:16Z)
• Bayesian Recurrent Units and the Forward-Backward Algorithm [91.39701446828144]
  ベイズの定理を用いることで、ユニットワイド・リカレンスとフォワード・バックワードアルゴリズムに類似した後方再帰を導出する。 その結果得られたベイジアン再帰ユニットは、ディープラーニングフレームワーク内で再帰ニューラルネットワークとして統合することができる。 音声認識の実験は、最先端の繰り返しアーキテクチャの最後に派生したユニットを追加することで、訓練可能なパラメータの点で非常に低コストで性能を向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-07-21T14:00:52Z)
• Amortized Inference for Causal Structure Learning [72.84105256353801]
  因果構造を学習することは、通常、スコアまたは独立テストを使用して構造を評価することを伴う探索問題を引き起こす。 本研究では,観測・干渉データから因果構造を予測するため,変分推論モデルを訓練する。 我々のモデルは、実質的な分布シフトの下で頑健な一般化能力を示す。
  論文  参考訳（メタデータ） (2022-05-25T17:37:08Z)
• Acyclic and Cyclic Reversing Computations in Petri Nets [0.0]
  可逆計算は、計算中の任意の時点において逆順に実行することで、実行された操作の任意のシーケンスを無効にすることが可能な、従来にない計算形式を構成する。 我々は,Reversing Petri Nets (RPNs) を有界なColoured Petri Nets (CPNs) に変換する構造的手法を提案した。 RPNでは3つの逆転意味論が可能である: バックトラック(最近実行されたアクションの逆転)、因果逆転(すべての効果が無効になった場合にのみ作用が逆転できる)、因果逆転(以前に実行されたアクションは逆転できる)。
  論文  参考訳（メタデータ） (2021-08-04T16:50:14Z)
• A Compositional Atlas of Tractable Circuit Operations: From Simple Transformations to Complex Information-Theoretic Queries [44.36335714431731]
  本稿では,回路上のモジュラー操作において,機械学習の複雑な推論シナリオがいかに表現できるかを示す。 文献におけるいくつかの結果を一般化し,新たな抽出可能な推論シナリオを開放する,抽出可能なモデルについて推論するための統一的な枠組みを導出する。
  論文  参考訳（メタデータ） (2021-02-11T17:26:32Z)
• Analogous Process Structure Induction for Sub-event Sequence Prediction [111.10887596684276]
  本稿では,未確認プロセスのサブイベントシーケンス全体を予測するために,アナログプロセス構造誘導APSIフレームワークを提案する。 我々の実験と分析が示すように、APSIは目に見えないプロセスのための意味のあるサブイベントシーケンスの生成をサポートし、行方不明な事象を予測するのに役立ちます。
  論文  参考訳（メタデータ） (2020-10-16T17:35:40Z)
• Online Estimation and Community Detection of Network Point Processes for Event Streams [12.211623200731788]
  ネットワークモデリングにおける共通のゴールは、ノード間に存在する潜在コミュニティ構造を明らかにすることである。 本稿では,ネットワーク上の動的イベント到着に基づく潜在構造を推定する高速なオンライン変分推定アルゴリズムを提案する。 オンライン推論は、コミュニティリカバリの観点から、オンライン以外の変種に匹敵する性能が得られることを実証する。
  論文  参考訳（メタデータ） (2020-09-03T15:39:55Z)
• Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
  因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。 この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。 実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
  論文  参考訳（メタデータ） (2020-08-02T11:19:36Z)

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。