論文の概要: Quantifying over Optimum Answer Sets

• arxiv url: http://arxiv.org/abs/2408.07697v1
• Date: Wed, 14 Aug 2024 17:53:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-15 12:43:33.257118
• Title: Quantifying over Optimum Answer Sets
• Title（参考訳）: 最適解答集合の定量化
• Authors: Giuseppe Mazzotta, Francesco Ricca, Mirek Truszczynski,
• Abstract要約: ASP(Q)はエレガントでコンパクトな方法でモデリングを符号化する方法を欠いている。 本稿では、コンポーネントプログラムが弱い制約を含むことができるASP(Q)の拡張を提案する。 様々なアプリケーションシナリオを通して、新しいフォーマリズムのモデリング機能を紹介します。
• 参考スコア（独自算出の注目度）: 6.390468088226495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Answer Set Programming with Quantifiers (ASP(Q)) has been introduced to provide a natural extension of ASP modeling to problems in the polynomial hierarchy (PH). However, ASP(Q) lacks a method for encoding in an elegant and compact way problems requiring a polynomial number of calls to an oracle in $\Sigma_n^p$ (that is, problems in $\Delta_{n+1}^p$). Such problems include, in particular, optimization problems. In this paper we propose an extension of ASP(Q), in which component programs may contain weak constraints. Weak constraints can be used both for expressing local optimization within quantified component programs and for modeling global optimization criteria. We showcase the modeling capabilities of the new formalism through various application scenarios. Further, we study its computational properties obtaining complexity results and unveiling non-obvious characteristics of ASP(Q) programs with weak constraints.
• Abstract（参考訳）: 多項式階層(PH)の問題に対するASPモデリングの自然な拡張を提供するために、ASP(Q)を用いた解集合プログラミング(Answer Set Programming with Quantifiers)が導入された。 しかし、ASP(Q)は、$\Sigma_n^p$(つまり$\Delta_{n+1}^p$)のオラクルへの多項式番号の呼び出しを必要とするエレガントでコンパクトな方法での符号化方法がない。 このような問題には特に最適化の問題が含まれる。 本稿では、コンポーネントプログラムが弱い制約を含むことができるASP(Q)の拡張を提案する。 弱制約は、定量化されたコンポーネントプログラム内の局所的な最適化を表現するためにも、グローバルな最適化基準をモデル化するためにも使用できる。 様々なアプリケーションシナリオを通して、新しいフォーマリズムのモデリング機能を紹介します。 さらに,その計算特性について検討し,制約の弱いASP(Q)プログラムの特徴を明らかにする。

関連論文リスト

• Enhancing Multi-Step Reasoning Abilities of Language Models through Direct Q-Function Optimization [50.485788083202124]
  強化学習(Reinforcement Learning, RL)は、大規模言語モデルを人間の好みと整合させ、複雑なタスクを遂行する能力を向上させる上で重要な役割を担っている。 反応生成過程をマルコフ決定プロセス(MDP)として定式化し,ソフトアクター・クリティック(SAC)フレームワークを用いて,言語モデルによって直接パラメータ化されたQ関数を最適化する,直接Q関数最適化(DQO)を提案する。 GSM8KとMATHという2つの数学問題解決データセットの実験結果から、DQOは従来の手法よりも優れており、言語モデルを整合させるための有望なオフライン強化学習手法として確立されている。
  論文  参考訳（メタデータ） (2024-10-11T23:29:20Z)
• Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity [59.57065228857247]
  Retrieval-augmented Large Language Models (LLMs) は、質問回答(QA)のようなタスクにおける応答精度を高めるための有望なアプローチとして登場した。 本稿では,クエリの複雑さに基づいて,LLMの最適戦略を動的に選択できる適応型QAフレームワークを提案する。 オープンドメインのQAデータセットを用いて、複数のクエリの複雑さを網羅し、QAシステムの全体的な効率性と精度を高めることを示す。
  論文  参考訳（メタデータ） (2024-03-21T13:52:30Z)
• Recursion of Thought: A Divide-and-Conquer Approach to Multi-Context Reasoning with Language Models [58.41943058963672]
  我々はRecursion of Thought (RoT)と呼ばれる新しい推論フレームワークを提案する。 RoTはいくつかの特別なトークンを導入し、モデルが出力してコンテキスト関連の操作をトリガーする。 GPT-3を含む複数のアーキテクチャの実験により、RoTは問題を解くためにLMの推論能力を劇的に改善した。
  論文  参考訳（メタデータ） (2023-06-12T06:34:16Z)
• An efficient solver for ASP(Q) [4.198045959496482]
  ASP(Q) は Answer Set Programming (ASP) を拡張し、階層構造からの問題の宣言的かつモジュラーなモデリングを可能にする。 本稿では,QBF における ASP(Q) プログラムのより効率的なエンコーディング手順と最適化されたエンコーディングの両方を特徴とする,qasp のアイデアに基づく新しい実装を提案する。
  論文  参考訳（メタデータ） (2023-05-17T07:59:53Z)
• Conjunctive Query Based Constraint Solving For Feature Model Configuration [79.14348940034351]
  本稿では、制約満足度問題を解決するために共役クエリーを適用する方法を示す。 このアプローチは、構成タスクを解決するために、広範囲のデータベース技術の応用を可能にする。
  論文  参考訳（メタデータ） (2023-04-26T10:08:07Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• A Model-Oriented Approach for Lifting Symmetries in Answer Set Programming [0.0]
  我々は,小問題インスタンスのSBCを解釈可能な一階制約の集合に引き上げる,新しいモデル指向アンサーセットプログラミングを導入する。 簡単な問題をターゲットにして,先進的な意思決定問題にも適用できるように拡張することを目指している。
  論文  参考訳（メタデータ） (2022-08-05T10:50:03Z)
• Lifting Symmetry Breaking Constraints with Inductive Logic Programming [2.036811219647753]
  我々は、Symmetry Breaking Constraintsを解釈可能な一階制約の集合に引き上げる、Answer Set Programmingのための新しいモデル指向のアプローチを導入する。 実験は、我々のフレームワークがインスタンス固有のSBCから一般的な制約を学習できることを実証する。
  論文  参考訳（メタデータ） (2021-12-22T11:27:48Z)
• Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
  エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。 場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。 本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-04T20:18:55Z)
• ASP(AC): Answer Set Programming with Algebraic Constraints [20.559497209595822]
  本稿では、半順序値と重み付け式評価を比較する制約を含むような、代数制約付き解集合プログラミング(ASP(AC))を紹介する。 この研究は論理プログラミングの理論と実践の受け入れを検討中である。
  論文  参考訳（メタデータ） (2020-08-10T10:20:49Z)
• An ASP semantics for Constraints involving Conditional Aggregates [9.289905977910378]
  ハイブリッド・アンサー・セット・プログラミング(ASP)の正式な基礎について詳しく述べる。 制約値や変数を集約する関数で、その基盤となる論理的フレームワークを拡張します。 線形制約を持つ論理プログラムに重きを置いて、いわゆる条件付き線形制約の特定のケースとして、ASP集約がいかに共通であるかを示す。
  論文  参考訳（メタデータ） (2020-02-17T12:25:01Z)

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。