論文の概要: Automating Reformulation of Essence Specifications via Graph Rewriting

• arxiv url: http://arxiv.org/abs/2411.09576v1
• Date: Thu, 14 Nov 2024 16:35:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:22:16.195338
• Title: Automating Reformulation of Essence Specifications via Graph Rewriting
• Title（参考訳）: グラフ書き換えによる文の仕様変更の自動化
• Authors: Ian Miguel, András Z. Salamon, Christopher Stone,
• Abstract要約: 本稿では,グラフ書き換えを用いて入力モデルを再構成し,自動的な性能向上を実現するシステムを提案する。 グラフプログラム2言語で表現された書き直し規則によってシステムを実装する。 本稿では,修正問題の解を元の問題の解に自動的に変換し,検証と提示を行う方法について述べる。
• 参考スコア（独自算出の注目度）: 0.47928510661698703
• License:
• Abstract: Formulating an effective constraint model of a parameterised problem class is crucial to the efficiency with which instances of the class can subsequently be solved. It is difficult to know beforehand which of a set of candidate models will perform best in practice. This paper presents a system that employs graph rewriting to reformulate an input model for improved performance automatically. By situating our work in the Essence abstract constraint specification language, we can use the structure in its high level variable types to trigger rewrites directly. We implement our system via rewrite rules expressed in the Graph Programs 2 language, applied to the abstract syntax tree of an input specification. We show how to automatically translate the solution of the reformulated problem into a solution of the original problem for verification and presentation. We demonstrate the efficacy of our system with a detailed case study.
• Abstract（参考訳）: パラメータ化された問題クラスの効果的な制約モデルを定式化することは、クラスのインスタンスをその後解決できる効率に不可欠である。 候補モデルのどのセットが実際に最もよく機能するかを事前に知るのは難しい。 本稿では,グラフ書き換えを用いて入力モデルを再構成し,自動的な性能向上を実現するシステムを提案する。 Essence抽象制約仕様言語で作業を行うことで、高レベルの変数型の構造を使って直接書き直しを起動することができます。 入力仕様の抽象構文木に適用したグラフプログラム2言語で表現された書き直し規則を用いて,本システムを実装した。 本稿では,修正問題の解を元の問題の解に自動的に変換し,検証と提示を行う方法について述べる。 本システムの有効性を,詳細な症例スタディで実証する。

関連論文リスト

• Automatic Feature Learning for Essence: a Case Study on Car Sequencing [1.006631010704608]
  問題インスタンスに最適な組み合わせを自動的に選択するために、機械学習モデルを構築するタスクについて検討する。 学習プロセスの重要な部分は、選択モデルへの入力として機能するインスタンス機能を定義することである。 私たちの貢献は、言語モデルを用いた問題インスタンスの高レベル表現から直接、インスタンス機能の自動学習です。
  論文  参考訳（メタデータ） (2024-09-23T16:06:44Z)
• LLM Critics Help Catch Bugs in Mathematics: Towards a Better Mathematical Verifier with Natural Language Feedback [71.95402654982095]
  本研究では,自然言語フィードバック型検証器Math-Minosを提案する。 実験の結果,少量の自然言語フィードバックが検証器の性能を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-06-20T06:42:27Z)
• Improving Subject-Driven Image Synthesis with Subject-Agnostic Guidance [62.15866177242207]
  主観的条件を構築することにより、与えられた主観的条件と入力テキストプロンプトの両方に整合した出力が得られることを示す。 私たちのアプローチは概念的にはシンプルで、最小限のコード修正しか必要ありませんが、実質的な品質改善につながります。
  論文  参考訳（メタデータ） (2024-05-02T15:03:41Z)
• Reinforcement Learning for Graph Coloring: Understanding the Power and Limits of Non-Label Invariant Representations [0.0]
  本稿では,グラフ着色問題の解法を近似ポリシ最適化モデルで学習できることを示す。 また、グラフの行列表現を取り込み、それを置換することにより、グラフのラベル付けがモデルの性能に重要であることを示す。
  論文  参考訳（メタデータ） (2024-01-23T03:43:34Z)
• Towards Exploratory Reformulation of Constraint Models [0.44658835512168177]
  本稿では,初期モデルからの再構成プロセスを通じてモデル空間を探索するシステムを提案する。 我々は,ユーザが制約仕様を記述した場合に,このシステムを洗練されたアプローチで構築する計画である。
  論文  参考訳（メタデータ） (2023-11-20T16:04:56Z)
• Answer Candidate Type Selection: Text-to-Text Language Model for Closed Book Question Answering Meets Knowledge Graphs [62.20354845651949]
  本稿では,この問題を解決するために,事前学習されたテキスト間QAシステム上で機能する新しいアプローチを提案する。 提案手法は,Wikidataの"instance_of"プロパティの型に基づいて,生成した候補のフィルタリングと再ランク付けを行う。
  論文  参考訳（メタデータ） (2023-10-10T20:49:43Z)
• Few-Shot Data-to-Text Generation via Unified Representation and Multi-Source Learning [114.54944761345594]
  本稿では,既存の手法の限界に対処する構造化データ・テキスト生成手法を提案する。 提案手法は,マルチタスクトレーニング,ゼロショット,少数ショットシナリオの性能向上を目的としている。
  論文  参考訳（メタデータ） (2023-08-10T03:09:12Z)
• GIF: A General Graph Unlearning Strategy via Influence Function [63.52038638220563]
  Graph Influence Function (GIF)は、削除されたデータにおける$epsilon$-massの摂動に応答してパラメータの変化を効率的に正確に推定できる、モデルに依存しない未学習の手法である。 我々は,4つの代表的GNNモデルと3つのベンチマークデータセットについて広範な実験を行い,未学習の有効性,モデルの有用性,未学習効率の観点からGIFの優位性を正当化する。
  論文  参考訳（メタデータ） (2023-04-06T03:02:54Z)
• Heterogeneous Line Graph Transformer for Math Word Problems [21.4761673982334]
  本稿では,オンライン学習システムのための新しい機械学習モデルの設計と実装について述べる。 我々は,自動算術語問題解決システムの実現により,システムの知能レベルを向上することを目指している。
  論文  参考訳（メタデータ） (2022-08-11T05:27:05Z)
• Towards Reformulating Essence Specifications for Robustness [6.497578221372429]
  エッセンス(Essence)は、ある問題を特定する多くの等価な方法があるリッチ言語である。 ユーザーはドメイン属性や抽象型の使用を省略し、適用可能な精細化ルールを減らすことができる。 本稿では、出力制約モデルのロバスト性を高めるために、この情報を自動的に復元する問題に対処する。
  論文  参考訳（メタデータ） (2021-11-01T10:51:47Z)
• Structural Information Preserving for Graph-to-Text Generation [59.00642847499138]
  グラフ・トゥ・テキスト生成の課題は、入力グラフの意味を保存した文を生成することである。 入力情報を保存するためのモデルとして,より豊かなトレーニング信号を活用することで,この問題に取り組むことを提案する。 グラフからテキストへの生成のための2つのベンチマークに関する実験は、最先端のベースラインに対するアプローチの有効性を示しています。
  論文  参考訳（メタデータ） (2021-02-12T20:09:01Z)

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。