Fugu-MT 論文翻訳(概要): The Liouville Generator for Producing Integrable Expressions

論文の概要: The Liouville Generator for Producing Integrable Expressions

arxiv url: http://arxiv.org/abs/2406.11631v1
Date: Mon, 17 Jun 2024 15:13:36 GMT
ステータス: 処理完了
システム内更新日: 2024-06-18 14:12:50.371065
Title: The Liouville Generator for Producing Integrable Expressions
Title（参考訳）: 可積分表現生成のためのLiouville ジェネレータ
Authors: Rashid Barket, Matthew England, Jürgen Gerhard,
Abstract要約: ここでは、LIOUVILLE法と呼ばれる積分可能であることが保証される積分を生成する方法を提案する。これは、リウヴィルの定理とシンボリック積分のためのパラレル・リッシュアルゴリズムに基づいている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There has been a growing need to devise processes that can create comprehensive datasets in the world of Computer Algebra, both for accurate benchmarking and for new intersections with machine learning technology. We present here a method to generate integrands that are guaranteed to be integrable, dubbed the LIOUVILLE method. It is based on Liouville's theorem and the Parallel Risch Algorithm for symbolic integration. We show that this data generation method retains the best qualities of previous data generation methods, while overcoming some of the issues built into that prior work. The LIOUVILLE generator is able to generate sufficiently complex and realistic integrands, and could be used for benchmarking or machine learning training tasks related to symbolic integration.
Abstract（参考訳）: 正確なベンチマークと機械学習技術との新たな交差点の両方のために、Computer Algebraの世界で包括的なデータセットを作成できるプロセスを考案する必要性が高まっている。ここでは、LIOUVILLE法と呼ばれる積分可能であることが保証される積分を生成する方法を提案する。これは、リウヴィルの定理とシンボリック積分のためのパラレル・リッシュアルゴリズムに基づいている。我々は,このデータ生成手法が従来のデータ生成手法の最高の品質を維持しつつ,その先行作業に組み込まれた問題を克服していることを示す。 LIOUVILLEジェネレータは十分に複雑で現実的なインテグレードを生成することができ、シンボリック統合に関連するベンチマークや機械学習トレーニングタスクに使用できる。

関連論文リスト

Accelerated Discovery of Machine-Learned Symmetries: Deriving the Exceptional Lie Groups G2, F4 and E6 [55.41644538483948]
このレターでは、対称性変換の発見を著しく高速化する2つの改良されたアルゴリズムを紹介している。例外的リー群の複雑性を考えると,この機械学習手法は完全に汎用的であり,多種多様なラベル付きデータセットに適用可能であることを示す。
論文参考訳（メタデータ） (2023-07-10T20:25:44Z)
Generating Elementary Integrable Expressions [0.0]
本稿では,記号積分にRichアルゴリズムを用いることで,基本可積分表現のデータセットを作成する方法について述べる。この方法で生成されたデータによって、以前の手法で見つかったいくつかの欠陥が軽減されることを示す。
論文参考訳（メタデータ） (2023-06-27T15:48:40Z)
TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文参考訳（メタデータ） (2023-05-19T10:11:21Z)
Learning to Parallelize with OpenMP by Augmented Heterogeneous AST Representation [7.750212995537728]
コードに異質な拡張抽象構文木(Augmented-AST)表現を利用するグラフベースの新しい学習手法Graph2Parを提案する。我々は18598並列化可能なOMP_Serialデータセットと13972非並列化可能なループを作成し、機械学習モデルをトレーニングする。提案手法は,85%の精度で並列化可能なコード領域検出の精度を実現し,最先端のトークンベース機械学習手法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-05-09T21:57:15Z)
Generating Multidimensional Clusters With Support Lines [0.0]
合成データ生成のためのモジュラープロシージャであるClugenを提案する。 Clukenはオープンソースで、包括的なユニットテストとドキュメント化が可能である。クラスタリングアルゴリズムの評価にはClugenが適していることを示す。
論文参考訳（メタデータ） (2023-01-24T22:08:24Z)
Controllable and Compositional Generation with Latent-Space Energy-Based Models [60.87740144816278]
制御可能な生成は、現実世界のアプリケーションで深層生成モデルの採用を成功させる上で重要な要件の1つである。本研究では, エネルギーモデル(EBM)を用いて, 属性の集合上での合成生成を扱う。エネルギー関数を論理演算子と合成することにより、分解能1024x1024のフォトリアリスティック画像を生成する際に、このような構成性を実現するのはこれが初めてである。
論文参考訳（メタデータ） (2021-10-21T03:31:45Z)
Integrating Semantics and Neighborhood Information with Graph-Driven Generative Models for Document Retrieval [51.823187647843945]
本稿では,周辺情報をグラフ誘導ガウス分布でエンコードし,その2種類の情報をグラフ駆動生成モデルと統合することを提案する。この近似の下では、トレーニング対象がシングルトンまたはペアワイズ文書のみを含む用語に分解可能であることを証明し、モデルが非関連文書と同じくらい効率的にトレーニングできることを示す。
論文参考訳（メタデータ） (2021-05-27T11:29:03Z)
Continual Learning with Fully Probabilistic Models [70.3497683558609]
機械学習の完全確率的(または生成的)モデルに基づく継続的学習のアプローチを提案する。生成器と分類器の両方に対してガウス混合モデル(GMM)インスタンスを用いた擬似リハーサル手法を提案する。我々は,GMRが,クラス増分学習問題に対して,非常に競合的な時間とメモリの複雑さで,最先端のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2021-04-19T12:26:26Z)
Symbolic integration by integrating learning models with different strengths and weaknesses [0.0]
積分は、数学だけでなく、他の幅広い分野においても不可欠である。深層学習法が最近開発され,これまでコンピュータに組み込まれていなかった数学的関数を統合できることが示されている。本研究では,数理情報を考慮した学習モデルを調整し,数値演算の順序をより堅牢に学習する幅広い学習モデルを開発した。
論文参考訳（メタデータ） (2021-03-09T15:46:36Z)
Robust Conversational AI with Grounded Text Generation [77.56950706340767]
GTGは、大規模なTransformerニューラルネットワークをバックボーンとして使用するハイブリッドモデルである。タスク完了のための対話的信念状態と実世界の知識に基づく応答を生成する。
論文参考訳（メタデータ） (2020-09-07T23:49:28Z)
Combinatorial 3D Shape Generation via Sequential Assembly [40.2815083025929]
幾何学的プリミティブによる連続的な組み立ては、ロボット工学や3D視覚において注目を集めている。本稿では,この結果が実現可能な膨大な組み合わせによって引き起こされることを緩和する3次元形状生成フレームワークを提案する。実験により,本手法は3次元形状の生成に成功し,より現実的な生成過程をシミュレートすることを示した。
論文参考訳（メタデータ） (2020-04-16T01:23:14Z)

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。