論文の概要: The \emph{Optimist}: Towards Fully Automated Graph Theory Research

• arxiv url: http://arxiv.org/abs/2411.09158v1
• Date: Thu, 14 Nov 2024 03:24:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:23:58.546926
• Title: The \emph{Optimist}: Towards Fully Automated Graph Theory Research
• Title（参考訳）: グラフ理論の完全自動研究に向けての「emph{Optimist}」
• Authors: Randy Davila,
• Abstract要約: MIP(mixed-integer programming)とメソッドを活用することで、EmphOptimistはどちらも確立された定理を再発見し、新しい不等式を提案するという予想を生成する。 初期の実験では、グラフ理論における基礎的な結果を解明し、将来の探索への関心の予想を導出するエンフィオプティミストの可能性を明らかにした。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper introduces the \emph{Optimist}, an autonomous system developed to advance automated conjecture generation in graph theory. Leveraging mixed-integer programming (MIP) and heuristic methods, the \emph{Optimist} generates conjectures that both rediscover established theorems and propose novel inequalities. Through a combination of memory-based computation and agent-like adaptability, the \emph{Optimist} iteratively refines its conjectures by integrating new data, enabling a feedback process with minimal human (\emph{or machine}) intervention. Initial experiments reveal the \emph{Optimist}'s potential to uncover foundational results in graph theory, as well as to produce conjectures of interest for future exploration. This work also outlines the \emph{Optimist}'s evolving integration with a counterpart agent, the \emph{Pessimist} (a human \emph{or machine} agent), to establish a dueling system that will drive fully automated graph theory research.
• Abstract（参考訳）: 本稿では,グラフ理論における自動予想生成を推し進めるために開発された自律システムである「emph{Optimist}」を紹介する。 MIP(mixed-integer programming)とヒューリスティックな手法を利用して、 \emph{Optimist} は確立された定理を再発見し、新しい不等式を提案する予想を生成する。 メモリベースの計算とエージェントライクな適応性の組み合わせにより、 \emph{Optimist} は新しいデータを統合することで予想を反復的に洗練し、最小限の人間(\emph{or machine})介入によるフィードバックプロセスを可能にする。 初期の実験では、グラフ理論における基礎的な結果を明らかにし、将来の探索への関心の予想を導出する「emph{Optimist}」の可能性を明らかにした。 この研究は、完全に自動化されたグラフ理論研究を駆動するデュエルシステムを確立するために、対応するエージェントである「emph{Pessimist}」(人間の「emph{Pessimist}」エージェント)との進化する統合についても概説している。

関連論文リスト

• Automated conjecturing in mathematics with \emph{TxGraffiti} [0.0]
  emphTxGraffitiは、予想を生成するプロセスを自動化するために開発されたデータ駆動型コンピュータプログラムである。 本稿では,emphTxGraffitiプログラムのルーツを含む,emphTxGraffitiの設計と基本原理について述べる。
  論文  参考訳（メタデータ） (2024-09-28T15:06:31Z)
• Reduced-Order Neural Operators: Learning Lagrangian Dynamics on Highly Sparse Graphs [20.271792055491662]
  本稿では, 流体流動, 粒状流, エラスト塑性などのラグランジアン力学のシミュレーションを, ニューラル演算子に基づく低次モデリングにより高速化することを提案する。 我々のフレームワークは、任意の空間的離散化をトレーニングし、ニューラル演算子を通してこれらの離散化のスパースサンプリングの時間的ダイナミクスを計算する。
  論文  参考訳（メタデータ） (2024-07-04T13:37:26Z)
• Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
  グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。 我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。 グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
  論文  参考訳（メタデータ） (2023-11-29T12:48:33Z)
• Graph Generation with Diffusion Mixture [57.78958552860948]
  グラフの生成は、非ユークリッド構造の複雑な性質を理解する必要がある実世界のタスクにとって大きな課題である。 本稿では,拡散過程の最終グラフ構造を明示的に学習することにより,グラフのトポロジーをモデル化する生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-07T17:07:46Z)
• Semi-Parametric Contextual Bandits with Graph-Laplacian Regularization [9.864260997723976]
  セミグラフTSはグラフに基づく半パラメトリック報酬モデルのための新しい文脈型トンプソンサンプリングアルゴリズムである。 累積的後悔の上限は、グラフ構造に依存する因子の倍数として表すことができる。
  論文  参考訳（メタデータ） (2022-05-17T12:51:54Z)
• Optimal Propagation for Graph Neural Networks [51.08426265813481]
  最適グラフ構造を学習するための二段階最適化手法を提案する。 また、時間的複雑さをさらに軽減するために、低ランク近似モデルについても検討する。
  論文  参考訳（メタデータ） (2022-05-06T03:37:00Z)
• Molecule Generation for Drug Design: a Graph Learning Perspective [49.8071944694075]
  機械学習、特にグラフ学習は、さまざまな分野にまたがるトランスフォーメーションの影響で認知度が高まっている。 そのような有望な応用の1つは分子設計と発見の領域、特に製薬業界における。 本調査では,分子設計における最先端手法,特に深度グラフ学習技術を取り入れたEmphde novo薬物設計について概観する。
  論文  参考訳（メタデータ） (2022-02-18T14:26:23Z)
• A Self-supervised Mixed-curvature Graph Neural Network [76.3790248465522]
  自己教師型混合曲率グラフニューラルネットワーク(SelfMGNN)を提案する。 我々は、SelfMGNNが現実の複雑なグラフ構造をキャプチャし、最先端のベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2021-12-10T08:56:55Z)
• Semi-discrete optimization through semi-discrete optimal transport: a framework for neural architecture search [0.0]
  最適輸送のアイデアを用いた半離散最適化のための理論的枠組みを提案する。 私たちの主なモチベーションは、ディープラーニングの分野、特にニューラルアーキテクチャ検索の分野です。 コンパニオンペーパーでは、我々のフレームワークにインスパイアされたアルゴリズムが同時期の手法と競合していることが示されている。
  論文  参考訳（メタデータ） (2020-06-26T21:44:35Z)
• Methods of Adaptive Signal Processing on Graphs Using Vertex-Time Autoregressive Models [0.0]
  ランダムプロセスの概念は、最近グラフ信号に拡張されている。 この問題のオンライン版はアダプティブフレームワークを通じて提案された。 可能性、可能性、そしてこの研究の可能性について光を当てるために実験が行われた。
  論文  参考訳（メタデータ） (2020-03-10T12:42:27Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。