Fugu-MT 論文翻訳(概要): A Python toolkit for dealing with Petri nets over ontological graphs

論文の概要: A Python toolkit for dealing with Petri nets over ontological graphs

arxiv url: http://arxiv.org/abs/2504.08006v1
Date: Wed, 09 Apr 2025 21:52:17 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-14 14:19:09.642526
Title: A Python toolkit for dealing with Petri nets over ontological graphs
Title（参考訳）: オントロジグラフ上のペトリネット処理のためのPythonツールキット
Authors: Krzysztof Pancerz,
Abstract要約: 本稿では、ペトリネットのオントロジグラフ上の理論的基礎と、そのようなネットを扱うPythonツールキットについて述べる。いくつかの貴重な知識(特に意味的関係の観点から)は、ペトリネットによってモデルに追加することができる。実装されたツールにより、ユーザはオントロジグラフ上にペトリネットの構造とダイナミクスを定義することができる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present theoretical rudiments of Petri nets over ontological graphs as well as the designed and implemented Python toolkit for dealing with such nets. In Petri nets over ontological graphs, the domain knowledge is enclosed in a form of ontologies. In this way, some valuable knowledge (especially in terms of semantic relations) can be added to model reasoning and control processes by means of Petri nets. In the implemented approach, ontological graphs are obtained from ontologies built in accordance with the OWL 2 Web Ontology Language. The implemented tool enables the users to define the structure and dynamics of Petri nets over ontological graphs.
Abstract（参考訳）: 本稿では,ペトリネットのオントロジグラフ上の理論的基礎と,そのようなネットを扱うためのPythonツールキットの設計と実装について述べる。存在論的グラフ上のペトリネットでは、ドメイン知識はオントロジーの形で囲まれている。このように、重要な知識(特に意味的関係の観点から)をペトリネットを用いてモデル推論と制御プロセスに追加することができる。実装された手法では、OWL 2 Web Ontology Languageに従って構築されたオントロジーからオントロジーグラフを得る。実装されたツールにより、ユーザはオントロジグラフ上にペトリネットの構造とダイナミクスを定義することができる。

関連論文リスト

Non-Euclidean Hierarchical Representational Learning using Hyperbolic Graph Neural Networks for Environmental Claim Detection [1.3673890873313355]
トランスフォーマーベースのモデルは、感情分析、機械翻訳、クレーム検証といったNLPタスクを支配している。本研究では,環境クレーム検出のための軽量かつ効果的な代替手段として,グラフニューラルネットワーク(GNN)とハイパーボリックグラフニューラルネットワーク(HGNN)を探索する。
論文参考訳（メタデータ） (2025-02-19T11:04:59Z)
Enhancing Graph Representation Learning with Localized Topological Features [29.562627708301694]
永続ホモロジー理論に基づいてグラフのリッチ接続情報を抽出する原理的手法を提案する。本手法は,グラフニューラルネットワークの表現学習を強化するためにトポロジ的特徴を利用する。
論文参考訳（メタデータ） (2025-01-15T22:12:27Z)
Graphcode: Learning from multiparameter persistent homology using graph neural networks [0.06138671548064355]
グラフコードは、2つの実数値スケールパラメータに沿ってフィルタリングされるデータセットを処理する。グラフコードは情報的かつ解釈可能な要約を与える。グラフニューラルネットワークを使用して、機械学習パイプラインに簡単に統合できる。
論文参考訳（メタデータ） (2024-05-23T08:22:00Z)
Classification of vertices on social networks by multiple approaches [1.370151489527964]
ソーシャルネットワークの場合、個別のコミュニティのラベルを評価することが不可欠である。これらのインタラクションベースのエンティティそれぞれに対して、テストベンチリポジトリとして、ソーシャルグラフ、メーリングデータセット、および2つの引用セットが選択される。本論文は,最も有用な手法だけでなく,グラフニューラルネットワークの動作方法も検討した。
論文参考訳（メタデータ） (2023-01-13T09:42:55Z)
Learning Graph Structure from Convolutional Mixtures [119.45320143101381]
本稿では、観測されたグラフと潜伏グラフのグラフ畳み込み関係を提案し、グラフ学習タスクをネットワーク逆(デコンボリューション)問題として定式化する。固有分解に基づくスペクトル法の代わりに、近似勾配反復をアンロール・トランケートして、グラフデコンボリューションネットワーク(GDN)と呼ばれるパラメータ化ニューラルネットワークアーキテクチャに到達させる。 GDNは、教師付き方式でグラフの分布を学習し、損失関数を適応させることでリンク予測やエッジウェイト回帰タスクを実行し、本質的に帰納的である。
論文参考訳（メタデータ） (2022-05-19T14:08:15Z)
Graph-in-Graph (GiG): Learning interpretable latent graphs in non-Euclidean domain for biological and healthcare applications [52.65389473899139]
グラフは、医療領域において、非ユークリッドな非ユークリッドデータをユビキタスに表現し、分析するための強力なツールである。近年の研究では、入力データサンプル間の関係を考慮すると、下流タスクに正の正の正則化効果があることが示されている。タンパク質分類と脳イメージングのためのニューラルネットワークアーキテクチャであるGraph-in-Graph(GiG)を提案する。
論文参考訳（メタデータ） (2022-04-01T10:01:37Z)
deepstruct -- linking deep learning and graph theory [1.4504054468850667]
深層構造は深層学習モデルとグラフ理論を結びつけます Deepstructは、初期グラフに基づいて作成可能なさまざまな制限を備えたディープニューラルネットワークモデルを提供する。
論文参考訳（メタデータ） (2021-11-12T11:58:13Z)
Neural networks adapting to datasets: learning network size and topology [77.34726150561087]
ニューラルネットワークは、勾配に基づくトレーニングの過程で、そのサイズとトポロジの両方を学習できるフレキシブルなセットアップを導入します。結果として得られるネットワークは、特定の学習タスクとデータセットに合わせたグラフの構造を持つ。
論文参考訳（メタデータ） (2020-06-22T12:46:44Z)
Improving Graph Neural Network Expressivity via Subgraph Isomorphism Counting [63.04999833264299]
グラフサブストラクチャネットワーク(GSN)は,サブストラクチャエンコーディングに基づくトポロジ的に認識可能なメッセージパッシング方式である。 Wesfeiler-Leman (WL) グラフ同型テストよりも厳密に表現可能であることを示す。グラフ分類と回帰タスクについて広範囲に評価を行い、様々な実世界の環境において最先端の結果を得る。
論文参考訳（メタデータ） (2020-06-16T15:30:31Z)
Progressive Graph Convolutional Networks for Semi-Supervised Node Classification [97.14064057840089]
グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
論文参考訳（メタデータ） (2020-03-27T08:32:16Z)
Graphs, Convolutions, and Neural Networks: From Graph Filters to Graph Neural Networks [183.97265247061847]
我々はグラフ信号処理を活用してグラフニューラルネットワーク(GNN)の表現空間を特徴付ける。 GNNにおけるグラフ畳み込みフィルタの役割について議論し、そのようなフィルタで構築されたアーキテクチャは、置換同値の基本的な性質と位相変化に対する安定性を持つことを示す。また,ロボット群に対するリコメンデータシステムや分散型コントローラの学習におけるGNNの利用について検討した。
論文参考訳（メタデータ） (2020-03-08T13:02:15Z)

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。