Fugu-MT 論文翻訳(概要): Compositionality of Systems and Partially Ordered Runs

論文の概要: Compositionality of Systems and Partially Ordered Runs

arxiv url: http://arxiv.org/abs/2602.11203v1
Date: Fri, 06 Feb 2026 08:43:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-13 21:07:25.44088
Title: Compositionality of Systems and Partially Ordered Runs
Title（参考訳）: 系の組成性と部分順序ラン
Authors: Peter Fettke, Wolfgang Reisig,
Abstract要約: C.A.ペトリは、分散システムの個々の進化を記述する適切なモデルとして、部分的に順序付けられたイベント発生(実行)を導入した。本稿では,ペトリネットとその実行を扱う統一的なフレームワークについて述べる。
参考スコア（独自算出の注目度）: 1.3464152928754485
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the late 1970s, C.A. Petri introduced partially ordered event occurrences (runs), then called \emph{processes}, as the appropriate model to describe the individual evolutions of distributed systems. Here, we present a unified framework for handling Petri nets and their runs, specifically to compose and decompose them. It is shown that, for nets $M$ and $N$, the set of runs of the composed net $M \bullet N$ equals the composition of the runs of $M$ and $N$.
Abstract（参考訳）: 1970年代後半、C.A.ペトリは分散システムの個々の進化を記述する適切なモデルとして部分的に順序付けられた事象発生(実行)を導入した。本稿では,ペトリネットとその実行を扱う統一的なフレームワークについて述べる。ネット$M$と$N$の場合、合成ネット$M \bullet N$のランの集合は、M$と$N$のランの合成に等しいことが示されている。

関連論文リスト

Training-Free Generative Modeling via Kernelized Stochastic Interpolants [20.24989080858456]
補間フレームワーク内で生成モデリングを行うカーネル手法を開発した。金融時系列、乱流、画像生成のアプローチを実証する。
論文参考訳（メタデータ） (2026-02-23T17:26:09Z)
Discrete Action, Graph Evolution, and the Hierarchy of Symmetries: A Rigorous Construction of Temporal Layers $C1 \to C2 \to C3 \to C4$ [0.0]
我々は、離散周期を$_N=Nhbar/E$とする時間層$C N$の厳密な階層を構築する。各層は構成空間、シンプレクティック構造、更新規則、創発対称性によって指定される。これらの構造は離散的な作用原理に従っており、グラフの成長は自然に非一貫性と自発的対称性の破れのメカニズムを提供する。
論文参考訳（メタデータ） (2025-11-23T05:25:00Z)
Accelerated Evolving Set Processes for Local PageRank Computation [75.54334100808022]
この研究は、パーソナライズされたPageRank計算を高速化するために、ネストした進化したセットプロセスに基づく新しいフレームワークを提案する。このような局所化手法の時間複雑性は、PPRベクトルの$epsilon$-approximationを得るために$mintildemathcalO(R2/epsilon2), tildemathcalO(m)$によって上界となることを示す。
論文参考訳（メタデータ） (2025-10-09T09:47:40Z)
A Quotient Homology Theory of Representation in Neural Networks [0.0]
各ポリヘドロンと入力多様体の交叉が凸であれば、ニューラル表現のホモロジー群は商ホモロジー群 $H_k(Phi(mathcalM)) simeq H_k(mathcalM/mathcalO_Phi)$ に同型である。線形計画法とユニオン・フィンド・アルゴリズムを用いて重なり合う分解を計算する手法を開発した。
論文参考訳（メタデータ） (2025-02-03T13:52:17Z)
Embarrassingly Parallel GFlowNets [17.751086304612667]
GFlowNetsは、離散合成ランダム変数に対するMCMCサンプリングに代わる有望な代替品である。 EP-GFlowNet は、$R(cdot) propto R_1(cdot)... R_N(cdot)$ -- の形の製品分布から、例えば並列または連合ベイズ(英語版)でサンプルを採取するための、証明可能な正当な分割・対数法である。
論文参考訳（メタデータ） (2024-06-05T13:59:05Z)
Compositional Sculpting of Iterative Generative Processes [24.356488668784838]
GFlowNet拡散モデルのような反復生成過程を構成する上での重要な課題は、ターゲット分布を実現することである。本稿では、生成プロセスを定義するための繊細なプロセスを定義するための一般的なガイダンスを提案する。
論文参考訳（メタデータ） (2023-09-28T02:46:53Z)
Better Training of GFlowNets with Local Credit and Incomplete Trajectories [81.14310509871935]
エネルギー関数が終端状態だけでなく中間状態にも適用できる場合を考える。これは例えば、エネルギー関数が加法的であるときに達成され、軌道に沿って項が利用できる。これにより、不完全なトラジェクトリであってもパラメータの更新に適用可能なトレーニングの目標が可能になる。
論文参考訳（メタデータ） (2023-02-03T12:19:42Z)
Simplifying and Understanding State Space Models with Diagonal Linear RNNs [56.33053691749856]
本研究は、離散化ステップを解消し、バニラ対角線形RNNに基づくモデルを提案する。概念的にはるかに単純であるにもかかわらず、$mathrmDLR$は以前提案したSSMと同じくらいのパフォーマンスを示す。また、合成シーケンス・ツー・シーケンス・タスクのスイートによって、SSMとアテンションベースモデルの表現性も特徴付ける。
論文参考訳（メタデータ） (2022-12-01T18:53:06Z)
$\eta$-Multivariational Autoencoder for Entangled Representation Learning in Video Frames [1.802128767754695]
そこで本研究では,オブジェクト追跡タスクに対処するためのパラメータセットをセットとして,動画におけるオブジェクトの動きの新たな定式化を提案する。 $beta$MVAEは、フレームパッチから直接$p = N(mu, Sigma)$を学習するために開発された。私たちのネットワークは、ビデオフレームを85万フレーム以上($MVUnet)と78万ステップ($MVAE)でゼロからトレーニングされています。
論文参考訳（メタデータ） (2022-11-22T23:25:17Z)
Learn-to-Decompose: Cascaded Decomposition Network for Cross-Domain Few-Shot Facial Expression Recognition [60.51225419301642]
本稿では,複合表情認識のための新しいカスケード分解ネットワーク(CDNet)を提案する。基本的な表現データセット上で同様のタスクをトレーニングすることで、CDNetは、目に見えない複合表現を容易に識別できる学習と分解の能力を学ぶ。
論文参考訳（メタデータ） (2022-07-16T16:10:28Z)
Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文参考訳（メタデータ） (2022-06-14T08:14:14Z)
GFlowNet Foundations [66.69854262276391]
Generative Flow Networks (GFlowNets) は、多様な候補をアクティブな学習コンテキストでサンプリングする方法として導入された。 GFlowNetのさらなる理論的性質について述べる。
論文参考訳（メタデータ） (2021-11-17T17:59:54Z)

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。