論文の概要: Data Petri Nets meet Probabilistic Programming (Extended version)

• arxiv url: http://arxiv.org/abs/2406.11883v1
• Date: Wed, 12 Jun 2024 17:07:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-20 00:55:56.936551
• Title: Data Petri Nets meet Probabilistic Programming (Extended version)
• Title（参考訳）: Data Petri Nets meet Probabilistic Programming (Extended Version)
• Authors: Martin Kuhn, Joscha Grüger, Christoph Matheja, Andrey Rivkin,
• Abstract要約: 本稿では,データペトリネット(DPN)をPP言語で記述されたモデルに体系的に翻訳する。 我々は,我々の翻訳が健全であることを示し,DPNをシミュレートするための統計的保証を提供する。 本稿では,提案する翻訳ツールと利用可能なPPツールに基づいて,より容易にアプローチ可能な分析シナリオについて論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Probabilistic programming (PP) is a programming paradigm that allows for writing statistical models like ordinary programs, performing simulations by running those programs, and analyzing and refining their statistical behavior using powerful inference engines. This paper takes a step towards leveraging PP for reasoning about data-aware processes. To this end, we present a systematic translation of Data Petri Nets (DPNs) into a model written in a PP language whose features are supported by most PP systems. We show that our translation is sound and provides statistical guarantees for simulating DPNs. Furthermore, we discuss how PP can be used for process mining tasks and report on a prototype implementation of our translation. We also discuss further analysis scenarios that could be easily approached based on the proposed translation and available PP tools.
• Abstract（参考訳）: 確率プログラミング(英: Probabilistic Programming、PP)は、通常のプログラムのような統計モデルを書き、それらのプログラムを実行してシミュレーションを行い、強力な推論エンジンを用いてそれらの統計挙動を分析し、精査するプログラミングパラダイムである。 本稿では,データ認識プロセスの推論にPPを活用するための一歩を踏み出した。 そこで本研究では,データペトリネット(DPN)をPP言語で記述されたモデルに体系的に翻訳し,その特徴をほとんどのPPシステムでサポートしている。 我々は,我々の翻訳が健全であることを示し,DPNをシミュレートするための統計的保証を提供する。 さらに,プロセスマイニング作業にPPをどのように利用できるか,翻訳のプロトタイプ実装について報告する。 また、提案した翻訳と利用可能なPPツールに基づいて、より容易にアプローチできる分析シナリオについても論じる。

関連論文リスト

• P-MMEval: A Parallel Multilingual Multitask Benchmark for Consistent Evaluation of LLMs [84.24644520272835]
  大きな言語モデル(LLM)は、翻訳、コード生成、推論といったタスクにまたがる様々な多言語機能を示す。 以前の評価では、その範囲を基本自然言語処理(NLP)や、独立した機能固有のタスクに制限することが多かった。 我々は、これらのベンチマークの有用性に関する以前の研究の監視に対処するため、大規模ベンチマークから利用可能な、合理的なベンチマークを選択するパイプラインを提案する。 本稿では,P-MMEvalを提案する。P-MMEval,P-MMEval,P-MMEval,P-MMEval,P-MMEval,P-MMEval。
  論文  参考訳（メタデータ） (2024-11-14T01:29:36Z)
• TPP-LLM: Modeling Temporal Point Processes by Efficiently Fine-Tuning Large Language Models [0.0]
  時間的ポイントプロセス(TPP)は、ソーシャルネットワーク、交通システム、eコマースなどのドメインにおけるイベントのタイミングと発生をモデル化するために広く用いられている。 イベントシーケンスのセマンティックな側面と時間的側面の両方をキャプチャするために,大規模言語モデル(LLM)とTPPを統合する新しいフレームワークであるTPP-LLMを紹介する。
  論文  参考訳（メタデータ） (2024-10-02T22:17:24Z)
• PIP: Parse-Instructed Prefix for Syntactically Controlled Paraphrase Generation [61.05254852400895]
  Parse-Instructed Prefix (PIP) は、大規模な事前学習言語モデルをチューニングするためのプレフィックスチューニングの新しい適応である。 このタスクの従来の微調整手法とは対照的に、PIPは学習可能なパラメータの10倍少ない計算効率の代替手段である。
  論文  参考訳（メタデータ） (2023-05-26T07:42:38Z)
• Teaching Probabilistic Logical Reasoning to Transformers [21.335836561959887]
  本研究では,不確実なテキストに対する推論において,トランスフォーマーに基づく言語モデルの有効性を評価する。 本稿では,確率的制約学習という,エンドツーエンドのファインチューニング手法を提案する。
  論文  参考訳（メタデータ） (2023-05-22T16:08:20Z)
• On ML-Based Program Translation: Perils and Promises [17.818482089078028]
  この研究は、教師なしのプログラム翻訳者とその失敗の理由を調査する。 入力が特定のパターンに従う場合、入力コードを前処理し、出力が特定のパターンに従う場合、出力を後処理するルールベースのプログラム突然変異エンジンを開発する。 将来的には、プログラムドメイン知識をMLベースの翻訳パイプラインに組み込むことができるエンドツーエンドのプログラム翻訳ツールを構想する。
  論文  参考訳（メタデータ） (2023-02-21T16:42:20Z)
• Position-guided Text Prompt for Vision-Language Pre-training [121.15494549650548]
  本研究では,ビジョンランゲージ・プレトレーニングで訓練したクロスモーダルモデルの視覚的グラウンド化能力を高めるために,位置誘導型テキストプロンプト(PTP)パラダイムを提案する。 PTPは、与えられたブロック内のオブジェクトを予測したり、与えられたオブジェクトのブロックを後退させたりすることで、PTPが与えられた視覚的グラウンドタスクを補充するブランク問題に再構成する。 PTPはオブジェクト検出をベースとした手法で同等の結果を得るが、PTPがオブジェクト検出を破棄し、後続では不可能になるため、推論速度ははるかに速い。
  論文  参考訳（メタデータ） (2022-12-19T18:55:43Z)
• The Word is Mightier than the Label: Learning without Pointillistic Labels using Data Programming [11.536162323162099]
  ほとんどの高度な教師付き機械学習(ML)モデルは、大量のポイントバイポイントラベル付きトレーニング例に依存している。 大量のデータをハンドラベリングすることは、面倒で、高価で、エラーを起こしやすい。
  論文  参考訳（メタデータ） (2021-08-24T19:11:28Z)
• PPL Bench: Evaluation Framework For Probabilistic Programming Languages [2.1847130835757183]
  PPL Benchは、様々な統計モデルに基づいて確率型プログラミング言語(PPL)を評価するための新しいベンチマークである。 このベンチマークには、多くのモデルのデータ生成と評価コードと、いくつかの一般的なPPLの実装が含まれている。 ベンチマークコードとPPLの実装はすべてGithubで公開されている。
  論文  参考訳（メタデータ） (2020-10-17T23:12:23Z)
• Exploring Software Naturalness through Neural Language Models [56.1315223210742]
  ソフトウェア自然性仮説(Software Naturalness hypothesis)は、自然言語処理で使用されるのと同じ手法でプログラミング言語を理解することができると主張している。 この仮説は,事前学習されたトランスフォーマーベース言語モデルを用いて,コード解析タスクを実行することによって検討する。
  論文  参考訳（メタデータ） (2020-06-22T21:56:14Z)
• Coreferential Reasoning Learning for Language Representation [88.14248323659267]
  本稿では,コンテキスト内でコアファーデンシャル関係をキャプチャ可能な新しい言語表現モデルCorefBERTを提案する。 実験の結果,既存のベースラインモデルと比較して,CorefBERTは下流のNLPタスクにおいて一貫した大幅な改善を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-04-15T03:57:45Z)
• Synthetic Datasets for Neural Program Synthesis [66.20924952964117]
  本稿では,プログラムと仕様の両方で合成データ分布のバイアスを制御し,評価するための新しい手法を提案する。 そこで我々は,Karel DSLと小さなCalculator DSLを用いて,これらの分布上でのディープネットワークのトレーニングにより,分散一般化性能が向上することが実証された。
  論文  参考訳（メタデータ） (2019-12-27T21:28:10Z)

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。