論文の概要: Neurosymbolic Architectural Reasoning: Towards Formal Analysis through Neural Software Architecture Inference

• arxiv url: http://arxiv.org/abs/2503.16262v1
• Date: Thu, 20 Mar 2025 15:56:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 16:35:23.419907
• Title: Neurosymbolic Architectural Reasoning: Towards Formal Analysis through Neural Software Architecture Inference
• Title（参考訳）: ニューロシンボリックアーキテクチャ推論:ニューラルソフトウェアアーキテクチャ推論による形式解析を目指して
• Authors: Steffen Herbold, Christoph Knieke, Andreas Rausch, Christian Schindler,
• Abstract要約: これらのアーキテクチャに対する後続のシンボリック推論のために、形式的アーキテクチャ定義を持つという問題を解決するために、ニューラルアーキテクチャ推論の概要を述べる。 本稿では,本手法が一般にどのように機能するかを論じ,対処すべき6つの総合的な研究課題を概説する。
• 参考スコア（独自算出の注目度）: 4.023600998747813
• License:
• Abstract: Formal analysis to ensure adherence of software to defined architectural constraints is not yet broadly used within software development, due to the effort involved in defining formal architecture models. Within this paper, we outline neural architecture inference to solve the problem of having a formal architecture definition for subsequent symbolic reasoning over these architectures, enabling neurosymbolic architectural reasoning. We discuss how this approach works in general and outline a research agenda based on six general research question that need to be addressed, to achieve this vision.
• Abstract（参考訳）: ソフトウェアが定義されたアーキテクチャ制約に固執することを保証するための形式解析は、正式なアーキテクチャモデルの定義に関わる努力のため、ソフトウェア開発においてまだ広く使われていない。 本稿では,これらのアーキテクチャに対する後続のシンボリック推論のための形式的アーキテクチャ定義の問題を解くために,ニューラルアーキテクチャ推論の概要を述べる。 本稿では,本手法が一般にどのように機能するかを論じ,このビジョンを達成するために対処すべき6つの一般的な研究課題に基づく研究課題を概説する。

関連論文リスト

• A Survey of Model Architectures in Information Retrieval [64.75808744228067]
  機能抽出のためのバックボーンモデルと、関連性推定のためのエンドツーエンドシステムアーキテクチャの2つの重要な側面に焦点を当てる。 従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。 我々は、パフォーマンスとスケーラビリティのアーキテクチャ最適化、マルチモーダル、マルチランガルデータの処理、従来の検索パラダイムを超えた新しいアプリケーションドメインへの適応など、新たな課題と今後の方向性について議論することで結論付けた。
  論文  参考訳（メタデータ） (2025-02-20T18:42:58Z)
• Categorical semiotics: Foundations for Knowledge Integration [0.0]
  ディープラーニングアーキテクチャの定義と分析のための包括的なフレームワークを開発するという課題に取り組む。 我々の方法論は、ファジィ集合の宇宙の中で解釈されるエルレスマンのスケッチに類似したグラフィカル構造を用いる。 このアプローチは、決定論的および非決定論的ニューラルネットワーク設計の両方をエレガントに包含する統一理論を提供する。
  論文  参考訳（メタデータ） (2024-04-01T23:19:01Z)
• Unsupervised Graph Neural Architecture Search with Disentangled Self-supervision [51.88848982611515]
  教師なしグラフニューラルアーキテクチャサーチは、文献では未発見のままである。 本稿では,Distangled Self-supervised Graph Neural Architecture Searchモデルを提案する。 我々のモデルは、教師なしの方法で、いくつかのベースライン手法に対して最先端のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2024-03-08T05:23:55Z)
• Zero-shot Sequential Neuro-symbolic Reasoning for Automatically Generating Architecture Schematic Designs [4.78070970632469]
  本稿では,アーキテクチャ設計を自動生成するシステムを提案する。 我々は、生成AI(神経推論)と数学的プログラムソルバ(記号推論)の強みを利用する。 提案手法は, 周辺地域の理解に応じて, 様々な建築設計を作成できる。
  論文  参考訳（メタデータ） (2024-01-25T12:52:42Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• Neural Architecture Retrieval [27.063268631346713]
  我々は、クエリニューラルアーキテクチャに似た設計で既存のニューラルアーキテクチャの集合を検索するニューラルアーキテクチャ検索という新しい問題を定義する。 既存のグラフ事前学習戦略は、グラフのサイズとモチーフのため、ニューラルネットワークの計算グラフに対処できない。 正確なグラフ表現学習を実現するために,マルチレベルコントラスト学習を導入する。
  論文  参考訳（メタデータ） (2023-07-16T01:56:41Z)
• Cognitive Architecture for Decision-Making Based on Brain Principles Programming (in Russian) [0.34410212782758043]
  脳活動の5つの原則に基づいて、幅広い問題を解決することを意図した認知アーキテクチャについて述べる。 提案したアーキテクチャを記述し,本アーキテクチャにおけるこれらのアプリケーション実行の可能な例を示す。
  論文  参考訳（メタデータ） (2023-02-18T16:34:05Z)
• Cognitive Architecture for Decision-Making Based on Brain Principles Programming [0.3867363075280543]
  脳活動の5つの原則に基づいて、幅広い問題を解決することを意図した認知アーキテクチャについて述べる。 提案したアーキテクチャを記述し,本アーキテクチャにおけるこれらのアプリケーション実行の可能な例を示す。
  論文  参考訳（メタデータ） (2022-04-17T04:25:20Z)
• Towards a Predictive Processing Implementation of the Common Model of Cognition [79.63867412771461]
  本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。 提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
  論文  参考訳（メタデータ） (2021-05-15T22:55:23Z)
• Understanding Deep Architectures with Reasoning Layer [60.90906477693774]
  本研究では,アルゴリズムの収束,安定性,感度といった特性が,エンドツーエンドモデルの近似と一般化能力と密接に関連していることを示す。 私たちの理論は、深いアーキテクチャを推論層で設計するための有用なガイドラインを提供することができます。
  論文  参考訳（メタデータ） (2020-06-24T00:26:35Z)
• A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
  我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。 アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
  論文  参考訳（メタデータ） (2020-05-14T09:02:33Z)

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。