論文の概要: Symmetry-Invariant Novelty Heuristics via Unsupervised Weisfeiler-Leman Features

• arxiv url: http://arxiv.org/abs/2508.18520v1
• Date: Mon, 25 Aug 2025 21:46:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.608002
• Title: Symmetry-Invariant Novelty Heuristics via Unsupervised Weisfeiler-Leman Features
• Title（参考訳）: 教師なしWeisfeiler-Leman特徴による対称性不変ノベルティヒューリスティックス
• Authors: Dillon Z. Chen,
• Abstract要約: 新規性の検出には原子の代わりにWeisfeiler-Leman Features(WLF)を用いることを提案する。 WLFは最近、一般的な計画問題のためのドメイン依存の学習のために導入された。 古典的国際計画コンペティションとハード・トゥ・グラウンドベンチマークスイートの実験は、WLFから合成された新規合成に有望な結果をもたらす。
• 参考スコア（独自算出の注目度）: 2.7074235008521246
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Novelty heuristics aid heuristic search by exploring states that exhibit novel atoms. However, novelty heuristics are not symmetry invariant and hence may sometimes lead to redundant exploration. In this preliminary report, we propose to use Weisfeiler-Leman Features for planning (WLFs) in place of atoms for detecting novelty. WLFs are recently introduced features for learning domain-dependent heuristics for generalised planning problems. We explore an unsupervised usage of WLFs for synthesising lifted, domain-independent novelty heuristics that are invariant to symmetric states. Experiments on the classical International Planning Competition and Hard To Ground benchmark suites yield promising results for novelty heuristics synthesised from WLFs.
• Abstract（参考訳）: 新規ヒューリスティックは、新しい原子を示す州を探索することで、ヒューリスティックな探索を支援する。 しかし、新規なヒューリスティックスは対称性不変ではないため、しばしば冗長な探索につながることがある。 本稿では,新規性検出のための原子の代わりにWeisfeiler-Leman Featuresを計画(WLF)に用いることを提案する。 WLFは最近、一般的な計画問題のためのドメイン依存ヒューリスティックを学習するための機能を導入している。 我々は、対称状態に不変な、持ち上げられた領域に依存しない新規なヒューリスティックのための WLF の教師なし使用について検討する。 古典的国際計画コンペティションとハード・トゥ・グラウンドベンチマークスイートの実験は、WLFから合成された新奇なヒューリスティックスに有望な結果をもたらす。

関連論文リスト

• Fourier Neural Operators for Non-Markovian Processes:Approximation Theorems and Experiments [2.84475965465923]
  本稿では,ミラーパッド型ニューラル演算子(MFNO)を演算子ベースニューラルネットワークとして導入する。 MFNOはミラーパディングを組み込むことで標準的なフーリエニューラル演算子(FNO)を拡張し、非周期的な入力を処理することができる。 我々は、MFNOsが経路依存微分方程式の解と分数的ブラウン運動の任意の精度への変換を近似できることを厳密に証明する。
  論文  参考訳（メタデータ） (2025-07-23T19:30:34Z)
• Exploiting Symbolic Heuristics for the Synthesis of Domain-Specific Temporal Planning Guidance using Reinforcement Learning [51.54559117314768]
  最近の研究は、時間プランナーの性能向上のためのガイダンスの合成に強化学習(Reinforcement Learning, RL)を用いることを検討した。 本稿では,RLと計画段階の両方において,シンボリックスが提供した情報を活用することに焦点を当てた学習計画フレームワークの進化を提案する。
  論文  参考訳（メタデータ） (2025-05-19T17:19:13Z)
• Sharing Asymmetric Einstein-Podolsky-Rosen Steering with Projective Measurements [9.798839832137508]
  EPR(Einstein-Podolsky-Rosen)ステアリングは、異なる非対称な特性を示す。 EPRステアリングは、一方のデバイス非依存の量子情報タスクに必要な量子リソースとして機能する。 我々の研究は、量子相関の共有における射影測定の役割の理解を深める。
  論文  参考訳（メタデータ） (2024-05-10T05:46:51Z)
• Symmetry Breaking and Equivariant Neural Networks [17.740760773905986]
  我々は「緩和された同注入」という新しい概念を導入する。 我々は、この緩和を同変多層パーセプトロン(E-MLP)に組み込む方法を示す。 対称性の破れの関連性は、様々な応用領域で議論される。
  論文  参考訳（メタデータ） (2023-12-14T15:06:48Z)
• Don't Miss Out on Novelty: Importance of Novel Features for Deep Anomaly Detection [64.21963650519312]
  異常検出(AD)は、正規性の学習モデルに適合しない観察を識別する重要なタスクである。 本稿では, 入力空間における説明不能な観測として, 説明可能性を用いた新しいAD手法を提案する。 当社のアプローチでは,複数のベンチマークにまたがる新たな最先端性を確立し,さまざまな異常な型を扱う。
  論文  参考訳（メタデータ） (2023-10-01T21:24:05Z)
• Encoding Involutory Invariance in Neural Networks [1.6371837018687636]
  ある状況では、ニューラルネットワーク(NN)は、基礎となる物理対称性に従うデータに基づいて訓練される。 本研究では、関数がパリティまでのインボリュート線型/ファイン変換に対して不変な特別な対称性について検討する。 数値実験により,提案モデルが与えられた対称性を尊重しながらベースラインネットワークより優れていたことが示唆された。 また,本手法を水平/垂直反射対称性を持つデータセットに対する畳み込みNN分類タスクに適用する手法も提案されている。
  論文  参考訳（メタデータ） (2021-06-07T16:07:15Z)
• Sampling asymmetric open quantum systems for artificial neural networks [77.34726150561087]
  非対称な開系に対する高速収束時間と高いスケーラビリティを実現し,非対称性を考慮したハイブリッドサンプリング戦略を提案する。 我々は、ニューラルネットワークの普遍的適用性を強調し、ニューラルネットワークの普遍的適用性を概説する。
  論文  参考訳（メタデータ） (2020-12-20T18:25:29Z)

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。