Fugu-MT 論文翻訳(概要): A Python Framework for Neutrosophic Sets and Mappings

論文の概要: A Python Framework for Neutrosophic Sets and Mappings

arxiv url: http://arxiv.org/abs/2404.05735v1
Date: Sun, 24 Mar 2024 16:00:16 GMT
ステータス: 処理完了
システム内更新日: 2024-04-21 20:14:16.641195
Title: A Python Framework for Neutrosophic Sets and Mappings
Title（参考訳）: ニューロソフィックな集合とマッピングのためのPythonフレームワーク
Authors: Giorgio Nordo, Saeid Jafari, Arif Mehmood, Bhimraj Basumatary,
Abstract要約: 我々は,ニュートロソフィックな集合をシンプルかつ直感的に操作するために設計されたオープンソースフレームワークを提案する。コードが詳細に説明され、多くの例やユースケースも提供されている。
参考スコア（独自算出の注目度）: 0.8035416719640156
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we present an open source framework developed in Python and consisting of three distinct classes designed to manipulate in a simple and intuitive way both symbolic representations of neutrosophic sets over universes of various types as well as mappings between them. The capabilities offered by this framework extend and generalize previous attempts to provide software solutions to the manipulation of neutrosophic sets such as those proposed by Salama et al., Saranya et al., El-Ghareeb, Topal et al. and Sleem. The code is described in detail and many examples and use cases are also provided.
Abstract（参考訳）: 本稿では,Pythonで開発されたオープンソースフレームワークについて,様々なタイプの宇宙上のニュートロゾフィック集合の記号表現と,それらの間のマッピングの両方を,シンプルかつ直感的に操作するように設計された3つのクラスからなる。このフレームワークによって提供される能力は、Saama et al 、Saranya et al 、El-Ghareeb、Topal et al 、Sleem などのニュートロソフィックな集合を操作するためのソフトウェアソリューションを提供する以前の試みを拡張し、一般化する。コードが詳細に説明され、多くの例やユースケースも提供されている。

関連論文リスト

MALPOLON: A Framework for Deep Species Distribution Modeling [3.1457219084519004]
MALPOLONは深部種分布モデル(deep-SDM)の訓練と推測を容易にすることを目的としている Pythonで書かれ、PyTorchライブラリ上に構築されている。このフレームワークはGitHubとPyPiでオープンソース化されている。
論文参考訳（メタデータ） (2024-09-26T17:45:10Z)
pyvene: A Library for Understanding and Improving PyTorch Models via Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文参考訳（メタデータ） (2024-03-12T16:46:54Z)
The Calysto Scheme Project [0.0]
Calysto SchemeはScheme in Continuation-Passing Styleで書かれている。一連の正当性保存プログラム変換を通じてPythonに変換される。コール/ccを含む標準のScheme機能をサポートしている。
論文参考訳（メタデータ） (2023-10-16T23:41:21Z)
Compositional Program Generation for Few-Shot Systematic Generalization [59.57656559816271]
コンポジションプログラムジェネレータ(CPG)と呼ばれるニューロシンボリックアーキテクチャに関する研究 CPGには3つの重要な特徴がある: 文法規則の形で、テキストモジュラリティ、テキストコンポジション、テキストタストラクションである。 SCAN と COGS のベンチマークでは,SCAN の14例と COGS の22例を使用して,完全な一般化を実現している。
論文参考訳（メタデータ） (2023-09-28T14:33:20Z)
gym-saturation: Gymnasium environments for saturation provers (System description) [0.0]
VampireとiProverの2つの異なるプロバーで使用例を提供しています。環境ラッパーが証明器をマルチアームバンディットに類似した問題に変換する方法を示す。
論文参考訳（メタデータ） (2023-09-16T15:25:39Z)
Outline, Then Details: Syntactically Guided Coarse-To-Fine Code Generation [61.50286000143233]
ChainCoderは、Pythonコードを段階的に生成するプログラム合成言語モデルである。自然言語記述と構文的に整合したI/Oデータサンプルを共同で符号化するために、カスタマイズされたトランスフォーマーアーキテクチャを利用する。
論文参考訳（メタデータ） (2023-04-28T01:47:09Z)
Troika: Multi-Path Cross-Modal Traction for Compositional Zero-Shot Learning [37.445883075993414]
近年のコンポジションゼロショット学習 (CZSL) 法は, コンポジションオブジェクト対にのみトレーニング可能なプロンプトを構築することで, 事前学習された視覚言語モデル (VLM) に適応している。 CZSLモデルのための新しいパラダイムを提案し、状態、対象、構成を協調的にモデル化する3つの識別分岐(Multi-Path)を確立する。提案手法は,クローズドワールドとオープンワールドの両設定において,既存の手法を著しく上回っている。
論文参考訳（メタデータ） (2023-03-27T14:10:26Z)
Oflib: Facilitating Operations with and on Optical Flow Fields in Python [5.936095386978232]
動作推定アルゴリズムなどにおける光学的流れ,すなわち2次元ベクトル場の特徴付けと操作に関する理論的枠組みを提案する。この構造化されたアプローチは、深層学習に必要なバックプロパゲーションをサポートするPyTorchバージョンのlibpytorchで、Python 3の実装の基礎として使用される。本研究では,このフローコンポジション法を実証的に検証し,合成トレーニングデータ作成における光学的フローグラウンド真理への適用例を示す。
論文参考訳（メタデータ） (2022-10-11T17:28:10Z)
SceneTrilogy: On Human Scene-Sketch and its Complementarity with Photo and Text [109.69076457732632]
本稿では,シーン理解を人間のスケッチに含めるように拡張する。この相補性がもたらすオプションを完全にサポートするフレキシブルなジョイント埋め込みを学ぶことに注力します。
論文参考訳（メタデータ） (2022-04-25T20:58:17Z)
Shelf-Supervised Mesh Prediction in the Wild [54.01373263260449]
本研究では,物体の3次元形状とポーズを1つの画像から推定する学習手法を提案する。まず、カメラのポーズとともに、標準フレーム内の体積表現を推定する。粗い体積予測はメッシュベースの表現に変換され、予測されたカメラフレームでさらに洗練される。
論文参考訳（メタデータ） (2021-02-11T18:57:10Z)
OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。 OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
論文参考訳（メタデータ） (2020-01-28T15:46:19Z)

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。