論文の概要: Automated Hybrid Grounding Using Structural and Data-Driven Heuristics
- arxiv url: http://arxiv.org/abs/2507.17493v1
- Date: Wed, 23 Jul 2025 13:19:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 22:33:15.010931
- Title: Automated Hybrid Grounding Using Structural and Data-Driven Heuristics
- Title（参考訳）: 構造的およびデータ駆動型ヒューリスティックを用いたハイブリッドグラウンドの自動生成
- Authors: Alexander Beiser, Markus Hecher, Stefan Woltran,
- Abstract要約: ハイブリットグラウンドリングは、標準ボトムアップグラウンドリングの強度と、グラウンドニング中にルールボディを分離する手法を組み合わせたものである。
ハイブリッド接地が身体分離接地をいつ使うか、標準ボトムアップ接地をいつ使うかは未定である。
我々は,データ構造に基づく分割アルゴリズムを導入し,身体分離接地と標準接地がいつ有用かを検出する。
- 参考スコア（独自算出の注目度）: 68.08622864330296
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The grounding bottleneck poses one of the key challenges that hinders the widespread adoption of Answer Set Programming in industry. Hybrid Grounding is a step in alleviating the bottleneck by combining the strength of standard bottom-up grounding with recently proposed techniques where rule bodies are decoupled during grounding. However, it has remained unclear when hybrid grounding shall use body-decoupled grounding and when to use standard bottom-up grounding. In this paper, we address this issue by developing automated hybrid grounding: we introduce a splitting algorithm based on data-structural heuristics that detects when to use body-decoupled grounding and when standard grounding is beneficial. We base our heuristics on the structure of rules and an estimation procedure that incorporates the data of the instance. The experiments conducted on our prototypical implementation demonstrate promising results, which show an improvement on hard-to-ground scenarios, whereas on hard-to-solve instances we approach state-of-the-art performance.
- Abstract（参考訳）: 根底にあるボトルネックは、業界におけるAnswer Set Programmingの普及を妨げる重要な課題の1つだ。
ハイブリット・グラウンドリング(Hybrid Grounding)は、標準ボトムアップグラウンドリングの強度と、グラウンドニング中にルールボディを分離する手法を組み合わせることでボトルネックを軽減するためのステップである。
しかし, ハイブリット接地が身体分離接地をいつ使うのか, 標準ボトムアップ接地をいつ使うべきかは定かではない。
本稿では,データ構造的ヒューリスティックに基づく分割アルゴリズムを導入し,身体分離グラウンドを用いた場合と標準グラウンドが有用である場合を検知する。
我々は、ルールの構造とインスタンスのデータを含む推定手順に基づくヒューリスティックスに基づいています。
提案手法を試作し,提案手法を用いて提案手法を試作し,提案手法の有効性を実証した。
関連論文リスト
- Context-Informed Grounding Supervision [102.11698329887226]
コンテキストインフォームド・グラウンド(Context-Informed Grounding Supervision, CINGS)は、モデルが応答に先立って関連するコンテキストでトレーニングされる訓練後の監督である。
実験により, CINGSで訓練したモデルでは, テキスト領域と視覚領域の両方において, より強い基底が示されることがわかった。
論文 参考訳（メタデータ） (2025-06-18T14:13:56Z) - LiSu: A Dataset and Method for LiDAR Surface Normal Estimation [12.282805218676208]
地上の真理面の正規アノテーションを付加した,最初の大規模合成LiDAR点クラウドデータセットLiSuを提案する。
また、自律運転データの時間特性を利用して、表面正規推定精度を向上させる新しいアノテート手法を提案する。
我々は,LiDAR表面の正規化評価において,LiSuに対する手法の有効性を実証する。
論文 参考訳（メタデータ） (2025-03-11T16:35:22Z) - Time-series Generation by Contrastive Imitation [87.51882102248395]
モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。
推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
論文 参考訳（メタデータ） (2023-11-02T16:45:25Z) - Bottom-Up Grounding in the Probabilistic Logic Programming System
Fusemate [0.21756081703275998]
フーセメイトの推論エンジンは、グラウンディング成分と確率的推論のための可変除去方法とを含む。
提案手法は,マルコフモデルのような「時間」を含む例で詳細に提示し,実演する。
論文 参考訳（メタデータ） (2023-05-30T10:30:44Z) - Computer Vision based inspection on post-earthquake with UAV synthetic
dataset [0.0]
本稿では,相互に相互接続した深層機械学習モデルを用いて,突発的事象後の損傷検出問題に対する革新的なアプローチを提案する。
パイプラインのモデルは合成データセットで訓練され、実際の状況下で無人航空機(UAV)でさらに評価され使用されるように適応された。
建物の欠陥を検知し、構造を構成要素に分割し、単一のドローン飛行に基づいて技術的条件を推定する上で、高い精度を得ることができる。
論文 参考訳（メタデータ） (2022-10-11T09:27:07Z) - Probing Factually Grounded Content Transfer with Factual Ablation [68.78413677690321]
グラウンドドジェネレーションは、事実情報の信頼性のある外部文書(グラウンドディング)に描画する。
事実を計測するのも簡単で、すべての事実ではなく、世代が根拠に同意するかどうかをテストする。
本稿では,現実的な根拠からの情報を用いて,世代がプロンプトを拡大するコンテンツ転送問題について検討する。
論文 参考訳（メタデータ） (2022-03-18T19:18:54Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳（メタデータ） (2022-03-11T16:14:14Z) - Fast and Robust Ground Surface Estimation from LIDAR Measurements using
Uniform B-Splines [3.337790639927531]
自動走行車におけるLIDAR測定から地上面を高速かつ頑健に推定する手法を提案する。
本稿では,線形問題として再計算可能なLS最適化問題として推定過程をモデル化する。
実世界のシナリオにおける研究車両のアプローチを検証する。
論文 参考訳（メタデータ） (2022-03-02T15:26:51Z) - Patchwork: Concentric Zone-based Region-wise Ground Segmentation with
Ground Likelihood Estimation Using a 3D LiDAR Sensor [0.1657441317977376]
地上のセグメンテーションは、地上の移動プラットフォームがナビゲーションや近隣の物体認識を行うために不可欠である。
提案手法は, 未分割問題に対処するために頑健なtextitPatchwork という新しいグラウンドセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2021-08-12T06:52:10Z) - Ground Roll Suppression using Convolutional Neural Networks [0.0]
グラウンドロールノイズは、プリスタック地震データで観測される最も困難で一般的なノイズの1つである。
我々は、畳み込みニューラルネットワークの非線形特性を利用して、ショットコレクションのグラウンドロールを検出する。
地中転がり抑制を評価するための指標を提案し, 専門家によるフィルタリングと比較して強い結果を報告する。
論文 参考訳（メタデータ） (2020-10-28T20:21:21Z) - From Simulation to Real World Maneuver Execution using Deep
Reinforcement Learning [69.23334811890919]
深層強化学習(Deep Reinforcement Learning)は、さまざまな分野における多くの制御タスクを解決できることが証明されている。
これは主に、シミュレーションデータと実世界のデータ間のドメイン適応の欠如と、トレインデータセットとテストデータセットの区別の欠如による。
本稿では,エージェントが同時に訓練される複数の環境に基づくシステムを提案する。
論文 参考訳（メタデータ） (2020-05-13T14:22:20Z)
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。