Fugu-MT 論文翻訳(概要): Towards behavioral consistency in heterogeneous modeling scenarios

論文の概要: Towards behavioral consistency in heterogeneous modeling scenarios

arxiv url: http://arxiv.org/abs/2404.12941v1
Date: Fri, 19 Apr 2024 15:15:26 GMT
ステータス: 処理完了
システム内更新日: 2024-04-22 14:36:33.649728
Title: Towards behavioral consistency in heterogeneous modeling scenarios
Title（参考訳）: 不均一なモデリングシナリオにおける行動整合性を目指して
Authors: Tim Kräuter,
Abstract要約: より広いシナリオにおける整合性チェックを実現するため,異種行動モデルを統合する手法を提案する。これは、振る舞いの意味を持つモデル間関係を定義することによって、それぞれの行動メタモデルを調整することに基づいている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Behavioral models play an essential role in Model-driven engineering (MDE). Keeping inter-related behavioral models consistent is critical to use them successfully in MDE. However, consistency checking for behavioral models, especially in a heterogeneous scenario, is limited. We propose a methodology to integrate heterogeneous behavioral models to achieve consistency checking in broader scenarios. It is based on aligning the respective behavioral metamodels by defining possible inter-model relations which carry behavioral meaning. Converting the models and their relations to a behavioral formalism enables analysis of global behavioral consistency using model-checking.
Abstract（参考訳）: 行動モデルはモデル駆動工学(MDE)において重要な役割を果たす。関連する行動モデルを一貫性を保つためには、MDEでそれらをうまく使うことが重要です。しかし、特に異種シナリオにおける行動モデルの整合性チェックは限られている。より広いシナリオにおける整合性チェックを実現するため,異種行動モデルを統合する手法を提案する。これは、振る舞いの意味を持つモデル間関係を定義することによって、それぞれの行動メタモデルを調整することに基づいている。モデルとそれらの関係を行動形式に変換することで、モデルチェックを用いたグローバルな行動整合性の解析が可能になる。

関連論文リスト

Behavioral Sequence Modeling with Ensemble Learning [8.241486511994202]
隠れマルコフモデルのアンサンブルを用いたシーケンスモデリングのフレームワークを提案する。アンサンブルに基づくスコアリング手法は,異なる長さの列間のロバストな比較を可能にする。本手法の有効性を縦断的人間行動データセットに示す。
論文参考訳（メタデータ） (2024-11-04T15:34:28Z)
Task Groupings Regularization: Data-Free Meta-Learning with Heterogeneous Pre-trained Models [83.02797560769285]
Data-Free Meta-Learning (DFML)は、トレーニング済みモデルのコレクションから、元のデータにアクセスせずに知識を抽出することを目的としている。現在の手法は、事前訓練されたモデル間の不均一性を見落とし、タスクの衝突による性能低下につながることが多い。課題群規則化(Task Groupings Regularization)は、矛盾するタスクをグループ化し整合させることにより、モデルの不均一性から恩恵を受ける新しいアプローチである。
論文参考訳（メタデータ） (2024-05-26T13:11:55Z)
Learning Car-Following Behaviors Using Bayesian Matrix Normal Mixture Regression [17.828808886958736]
自動車追従(CF)の挙動は, 微視的交通シミュレーションにおいて重要である。堅牢性にもかかわらず、多くのデータ駆動方式は、解釈可能性に制限のある「ブラックボックス」として動作する。この研究は、CFの挙動に固有の特徴相関と時間的ダイナミクスを同時にキャプチャするベイズ行列正規混合回帰(MNMR)モデルを導入する。
論文参考訳（メタデータ） (2024-04-24T17:55:47Z)
Shape Arithmetic Expressions: Advancing Scientific Discovery Beyond Closed-Form Equations [56.78271181959529]
GAM(Generalized Additive Models)は、変数とターゲットの間の非線形関係をキャプチャできるが、複雑な特徴相互作用をキャプチャすることはできない。本稿では,GAMのフレキシブルな形状関数と,数学的表現に見られる複雑な特徴相互作用を融合させる形状表現算術(SHARE)を提案する。また、標準制約を超えた表現の透明性を保証するSHAREを構築するための一連のルールを設計する。
論文参考訳（メタデータ） (2024-04-15T13:44:01Z)
Quantifying the Sensitivity of Inverse Reinforcement Learning to Misspecification [72.08225446179783]
逆強化学習は、エージェントの行動からエージェントの好みを推測することを目的としている。これを行うには、$pi$が$R$とどのように関係しているかの振る舞いモデルが必要です。我々は、IRL問題が行動モデルの不特定性にどれほど敏感であるかを分析する。
論文参考訳（メタデータ） (2024-03-11T16:09:39Z)
Variable Importance Matching for Causal Inference [73.25504313552516]
これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。 Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。 LASSO を用いて Model-to-Match フレームワークを運用する。
論文参考訳（メタデータ） (2023-02-23T00:43:03Z)
Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文参考訳（メタデータ） (2022-10-28T14:38:50Z)
Simulation of emergence in artificial societies: a practical model-based approach with the EB-DEVS formalism [0.11470070927586014]
本稿では,創発特性のモデリング,シミュレーション,ライブ識別に適した新しいフォーマリズムであるEB-DEVSを適用する。この研究は、コミュニケーション構造をモデル化するためのアプローチの簡潔さとコンパクトさに関するケーススタディ駆動の証拠を提供する。
論文参考訳（メタデータ） (2021-10-15T15:55:16Z)
An Ample Approach to Data and Modeling [1.0152838128195467]
さまざまな分野の概念とメソッドを統合するモデルの構築方法をモデル化するためのフレームワークについて説明する。参照M*メタモデルフレームワークは、厳密な同値関係の観点からデータセットと各モデルの関連付けに批判的に依存する。開発されたフレームワークがデータクラスタリング、複雑性、共同研究、ディープラーニング、クリエイティビティに関する洞察を提供する方法について、いくつかの考察がなされている。
論文参考訳（メタデータ） (2021-10-05T01:26:09Z)
Lifted Model Checking for Relational MDPs [12.574454799055026]
pCTL-REBELは、リレーショナルMDP上のpCTL特性を検証するためのリフトモデルチェック手法である。 pCTLモデル検査手法は, 無限領域であっても, リレーショナルMDPに対して決定可能であることを示す。
論文参考訳（メタデータ） (2021-06-22T13:12:36Z)
DirectDebug: Automated Testing and Debugging of Feature Models [55.41644538483948]
変数モデル(例えば、特徴モデル)は、ソフトウェアアーティファクトの変数と共通性を表現する一般的な方法である。複雑でしばしば大規模な機能モデルは欠陥になりうる、すなわち、ソフトウェアアーチファクトの期待される変動特性を表現しない。
論文参考訳（メタデータ） (2021-02-11T11:22:20Z)

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。