論文の概要: NeuroSynt: A Neuro-symbolic Portfolio Solver for Reactive Synthesis

• arxiv url: http://arxiv.org/abs/2401.12131v2
• Date: Mon, 29 Jan 2024 11:47:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-30 20:14:06.754103
• Title: NeuroSynt: A Neuro-symbolic Portfolio Solver for Reactive Synthesis
• Title（参考訳）: NeuroSynt: 反応合成のためのニューロシンボリック・ポートフォリオ・ソルバー
• Authors: Matthias Cosler, Christopher Hahn, Ayham Omar, Frederik Schmitt
• Abstract要約: 反応合成のためのニューロシント(NeuroSynt)という,ニューロシンボリック・ポートフォリオ・ソルバ・フレームワークを紹介する。 解法の中心には、ニューラルネットワークとシンボリックアプローチのシームレスな統合がある。 NeuroSyntは現在のSynTCOMPベンチマークで新しい問題を解決している。
• 参考スコア（独自算出の注目度）: 6.294884163829944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce NeuroSynt, a neuro-symbolic portfolio solver framework for reactive synthesis. At the core of the solver lies a seamless integration of neural and symbolic approaches to solving the reactive synthesis problem. To ensure soundness, the neural engine is coupled with model checkers verifying the predictions of the underlying neural models. The open-source implementation of NeuroSynt provides an integration framework for reactive synthesis in which new neural and state-of-the-art symbolic approaches can be seamlessly integrated. Extensive experiments demonstrate its efficacy in handling challenging specifications, enhancing the state-of-the-art reactive synthesis solvers, with NeuroSynt contributing novel solves in the current SYNTCOMP benchmarks.
• Abstract（参考訳）: 反応合成のためのニューロシント(NeuroSynt)という,ニューロシンボリック・ポートフォリオ・ソルバ・フレームワークを紹介する。 解法の中心には、反応合成問題を解くためのニューラルネットワークとシンボリックアプローチのシームレスな統合がある。 健全性を確保するため、ニューラルエンジンは、基礎となるニューラルモデルの予測を検証するモデルチェッカーと結合される。 NeuroSyntのオープンソース実装は、新しいニューラルおよび最先端のシンボリックアプローチをシームレスに統合する、リアクティブ合成のための統合フレームワークを提供する。 大規模な実験は、現在のSynTCOMPベンチマークでNuroSyntが新しい解決に寄与した、挑戦的な仕様の処理、最先端のリアクティブ合成ソルバの強化に有効であることを示した。

関連論文リスト

• SynCoTrain: A Dual Classifier PU-learning Framework for Synthesizability Prediction [0.0]
  素材の合成可能性を予測するための半教師付き機械学習モデルであるSynCoTrainを提案する。 我々のアプローチでは、明示的な負のデータがないことに対処するために、肯定的および非ラベル付き学習(PU)を用いています。 モデルは堅牢なパフォーマンスを示し、内部および離脱テストセットで高いリコールを達成する。
  論文  参考訳（メタデータ） (2024-11-18T19:53:19Z)
• Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
  しきい値単位の動的代替として人工内蔵ニューロン(AKOrN)を導入する。 このアイデアは、幅広いタスクにまたがってパフォーマンス改善をもたらすことを示しています。 これらの経験的結果は、神経表現の最も基本的なレベルにおいて、私たちの仮定の重要性を示していると信じている。
  論文  参考訳（メタデータ） (2024-10-17T17:47:54Z)
• Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
  スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。 本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
  論文  参考訳（メタデータ） (2024-09-17T04:48:45Z)
• Optimizing Genetically-Driven Synaptogenesis [0.13812010983144798]
  本稿では,遺伝子操作と神経ネットワーク行動のギャップを埋めるための新しいフレームワークであるSynaptoGenを紹介する。 SynaptoGenを検証するために,ベンチマーク学習フレームワークとして強化学習を用いた予備実験を行った。 この結果は、神経科学と計算モデリングのさらなる進歩を促すSynaptoGenの可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-02-11T16:49:12Z)
• On the Trade-off Between Efficiency and Precision of Neural Abstraction [62.046646433536104]
  ニューラル抽象化は、最近、複雑な非線形力学モデルの形式近似として導入されている。 我々は形式的帰納的合成法を用いて、これらのセマンティクスを用いた動的モデルをもたらすニューラル抽象化を生成する。
  論文  参考訳（メタデータ） (2023-07-28T13:22:32Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Cross-Modality Neuroimage Synthesis: A Survey [71.27193056354741]
  マルチモダリティイメージングは、疾患の診断を改善し、解剖学的特性を持つ組織における相違を明らかにする。 完全な整列とペアの多モードニューロイメージングデータの存在は、脳研究においてその効果を証明している。 もう一つの解決策は、教師なしまたは弱教師なしの学習方法を探究し、欠落した神経画像データを合成することである。
  論文  参考訳（メタデータ） (2022-02-14T19:29:08Z)
• Neuromorphic Processing: A Unifying Tutorial [0.0]
  本稿では,複数のニューロモルフィック処理要素を系統的アナログ手法を用いて実装する。 提案手法は,最小限の労力で多次元力学系をアナログ回路に合成できることを示す。
  論文  参考訳（メタデータ） (2021-08-13T17:11:05Z)
• Toward Neural-Network-Guided Program Synthesis and Verification [26.706421573322952]
  ニューラルネットワーク誘導合成という,プログラムと不変合成の新しい枠組みを提案する。 まず、ニューラルネットワークの設計とトレーニングによって、訓練されたニューラルネットワークの重みとバイアスから整数上の論理式を抽出できることを示します。 この考え方に基づき、正負の例と含意制約から公式を合成するツールを実装した。
  論文  参考訳（メタデータ） (2021-03-17T03:09:05Z)
• RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
  そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。 我々の方法はレトロシンセシスを2段階に分解する。 最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
  論文  参考訳（メタデータ） (2020-11-04T04:35:34Z)

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。