Fugu-MT 論文翻訳(概要): Computational methods for Dynamic Answer Set Programming

論文の概要: Computational methods for Dynamic Answer Set Programming

arxiv url: http://arxiv.org/abs/2502.09228v1
Date: Thu, 13 Feb 2025 11:52:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-14 13:44:19.203497
Title: Computational methods for Dynamic Answer Set Programming
Title（参考訳）: 動的解集合プログラミングのための計算法
Authors: Susana Hahn,
Abstract要約: この研究は、動的ドメインを効果的に扱うためにAnswer Set Programming(ASP)を拡張することを目的としている。動的、時間的、およびメートル法論理の概念をASP.NETに組み込むことで、複雑な動的問題をモデル化できる堅牢なシステムを開発する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In our daily lives and industrial settings, we often encounter dynamic problems that require reasoning over time and metric constraints. These include tasks such as scheduling, routing, and production sequencing. Dynamic logics have traditionally addressed these needs but often lack the flexibility and integration required for comprehensive problem modeling. This research aims to extend Answer Set Programming (ASP), a powerful declarative problem-solving approach, to handle dynamic domains effectively. By integrating concepts from dynamic, temporal, and metric logics into ASP, we seek to develop robust systems capable of modeling complex dynamic problems and performing efficient reasoning tasks, thereby enhancing ASPs applicability in industrial contexts.
Abstract（参考訳）: 日々の生活や産業環境では、時間やメトリクスの制約による推論を必要とする動的な問題が発生します。これにはスケジューリング、ルーティング、プロダクションシークエンシングといったタスクが含まれる。動的ロジックは伝統的にこれらのニーズに対処してきたが、包括的な問題モデリングに必要な柔軟性と統合を欠いていることが多い。本研究の目的は、動的ドメインを効果的に扱うために強力な宣言的問題解決アプローチであるAnswer Set Programming(ASP)を拡張することである。動的・時間的・計量的な論理学の概念をASPに組み込むことで、複雑な動的問題をモデル化し、効率的な推論タスクを実行し、工業的文脈におけるASPsの適用性を向上する堅牢なシステムを開発することを目指す。

関連論文リスト

Think Beyond Size: Adaptive Prompting for More Effective Reasoning [0.0]
本稿では,動的かつ反復的なフレームワークであるAdaptive Promptingを紹介する。その結果、Adaptive Promptingは、算術的推論(GSM8K、MultiArithm)、論理的推論、コモンセンスタスクなど、様々な推論ベンチマークのパフォーマンスを著しく向上させることを示した。提案手法は,計算効率を維持しつつ,GPT-4などの大規模モデルと競合する性能を実現する。
論文参考訳（メタデータ） (2024-10-10T17:14:36Z)
BloomWise: Enhancing Problem-Solving capabilities of Large Language Models using Bloom's-Taxonomy-Inspired Prompts [59.83547898874152]
我々は,Bloomの分類にインスパイアされた新しいプロンプト技術であるBloomWiseを導入し,Large Language Models(LLMs)の性能を向上させる。より洗練された認知スキルを身につける必要性に関する決定は、LLMによる自己評価に基づいている。 4つの一般的な算数推論データセットの広範な実験において,提案手法の有効性を実証した。
論文参考訳（メタデータ） (2024-10-05T09:27:52Z)
HDFlow: Enhancing LLM Complex Problem-Solving with Hybrid Thinking and Dynamic Workflows [33.035088506211096]
大規模言語モデル(LLM)を用いた複雑な推論のための新しいフレームワーク HDFlow を提案する。このアプローチは,1) 複雑な問題をより管理可能なサブタスクに自動的に分解するDynamicという,ゆっくりと意図的な推論のための新しいアプローチ,2) 問題複雑性に基づいた高速で遅い思考を動的に結合するHybrid Thinkingという2つの主要なコンポーネントから構成される。 4つの推論ベンチマークの実験により、動的データセットによる遅い思考がChain-of-Thoughtを著しく上回り、ハイブリッド思考は計算効率と性能の効果的なバランスを保ちながら、最も高い精度を達成することが示された。
論文参考訳（メタデータ） (2024-09-25T23:52:17Z)
Efficient Orchestrated AI Workflows Execution on Scale-out Spatial Architecture [17.516934379812994]
さまざまなタスクをロジック駆動型決定と統合し、動的で洗練されたAIを提供する。我々は,オーケストレーションされた空間グラフを用いて,オーケストレーションされたAIの本質的なデュアルダイナミクスを効果的に表現できることを見出した。我々の評価は、オーケストレーションAIの動的な要求に対処する上で、従来のアーキテクチャよりも大幅に優れていることを示している。
論文参考訳（メタデータ） (2024-05-21T14:09:31Z)
HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
論文参考訳（メタデータ） (2024-01-23T18:59:43Z)
Towards Truly Zero-shot Compositional Visual Reasoning with LLMs as Programmers [54.83459025465947]
最大のモデルでさえ、構成的推論、一般化、きめ細かい空間的および時間的推論、数え上げに苦しむ。コントローラとしての大きな言語モデル(LLM)による視覚的推論は、原則として、タスクを分解し、一連の(視覚的な)ツールを編成することでサブタスクを解決することで、これらの制限に対処することができる。本稿では,空間的・時間的に抽象的なルーチンを導入し,少数のラベル付き例を利用してコンテキスト内サンプルを自動的に生成することにより,これらの問題を緩和するフレームワークを提案する。
論文参考訳（メタデータ） (2024-01-03T20:48:47Z)
Controllable Dynamic Multi-Task Architectures [92.74372912009127]
本稿では,そのアーキテクチャと重みを動的に調整し,所望のタスク選択とリソース制約に適合させる制御可能なマルチタスクネットワークを提案する。本稿では,タスク親和性と分岐正規化損失を利用した2つのハイパーネットの非交互トレーニングを提案し,入力の嗜好を取り入れ,適応重み付き木構造モデルを予測する。
論文参考訳（メタデータ） (2022-03-28T17:56:40Z)
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)
Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文参考訳（メタデータ） (2021-11-02T10:51:42Z)
Automata Techniques for Temporal Answer Set Programming [0.0]
ASP(Answer Set Programming)の時間的および動的拡張は、動的な問題に対処する上で重要な役割を果たす。私は、自動理論と動的論理の関係を利用して、ASPソルバClingOにオートマトンベースの技術を追加するつもりです。
論文参考訳（メタデータ） (2021-09-17T01:43:31Z)
Implementing Dynamic Answer Set Programming [0.0]
動的論理式を時間論理プログラムに変換する。動的論理式を時間論理プログラムに還元することで、両方のアプローチでASPを一様に拡張できます。
論文参考訳（メタデータ） (2020-02-17T12:34:14Z)

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。