Fugu-MT 論文翻訳(概要): Beyond Objects

論文の概要: Beyond Objects

arxiv url: http://arxiv.org/abs/2606.27258v1
Date: Thu, 25 Jun 2026 16:42:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-26 18:46:32.360602
Title: Beyond Objects
Title（参考訳）: オブジェクトを超えて
Abstract要約: オブジェクト指向の中核的な原則は、50年以上にわたってソフトウェアを規定し、設計し、実装してきた方法に影響を与えてきた。機能の断片化と統合は、多くの場合、この設立原則の必然的な結果であった。問題領域の個人と機能を分割するモジュールを分離する別のアプローチが提案されている。
参考スコア（独自算出の注目度）: 0.3477347058906947
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A core principle of object orientation -- that the functionality of a system can be partitioned amongst objects that correspond to individuals in the problem domain -- has influenced how software has been specified, designed and implemented for more than fifty years. Later developments in software engineering sought to build on this principle. But in fact this partitioning is neither natural nor straightforward, and the problems that these later developments sought to mitigate -- the fragmentation and conflation of functionality -- were often, in fact, the inevitable consequences of this founding principle. An easier path to addressing these problems therefore starts by going back, abandoning object orientation, and replacing it with an alternative approach that decouples the individuals of the problem domain from the modules that partition functionality.
Abstract（参考訳）: 問題領域の個人に対応するオブジェクト間でシステムの機能を分割できるという、オブジェクト指向の中核的な原則は、50年以上にわたってソフトウェアがどのように特定され、設計され、実装されてきたかに影響を与えてきた。後のソフトウェア工学の発展は、この原則を基礎にしようとした。しかし、実際には、この分割は自然でも単純でもなく、これらの後の発展が機能の断片化と融合を緩和しようとした問題は、しばしば、この設立原則の必然的な結果であった。したがって、これらの問題に対処するための簡単な経路は、戻り、オブジェクト指向を捨て、機能を分割するモジュールから問題領域の個人を分離する別のアプローチに置き換えることから始まります。

関連論文リスト

Adaptive state-action abstractions via rate-distortion [52.25810164390199]
強化学習は、複雑なタスクの単純なバージョンを構築するための複数のテクニックを提供する。本稿では,抽象化自体によって引き起こされる誤りに匹敵する学習エラーが生じたら,抽象化を洗練させるという原理を提案する。
論文参考訳（メタデータ） (2026-06-04T13:10:18Z)
Weak forms offer strong regularisations: how to make physics-informed (quantum) machine learning more robust [0.0]
PIルーチンにおける局所的損失関数と大域的損失関数のコントリビューションを組み合わせることを提案する。このようなハイブリッド損失の定式化をドメイン分解と組み合わせることで、ローカルのみの戦略に対して強力な優位性が得られることを示す。
論文参考訳（メタデータ） (2026-02-09T14:18:16Z)
RIDGECUT: Learning Graph Partitioning with Rings and Wedges [15.380998112133389]
RIDGECUTは、正規化カット問題における構造認識分割を強制するために、アクション空間を制約する最初のRLフレームワークである。本手法は,グラフを線形あるいは円形構造に置き換え,分割作業を簡略化する。
論文参考訳（メタデータ） (2025-05-20T06:33:39Z)
Grasping Partially Occluded Objects Using Autoencoder-Based Point Cloud Inpainting [50.4653584592824]
実世界のアプリケーションには、シミュレーションや実験室の設定でテストされたソリューションを把握できないような課題が伴うことが多い。本稿では,欠落した情報を再構成するアルゴリズムを提案する。本手法は,ロバストなオブジェクトマッチング手法を現実に活用し,点計算の把握に役立てる。
論文参考訳（メタデータ） (2025-03-16T15:38:08Z)
A Causal Inspired Early-Branching Structure for Domain Generalization [46.55514281988053]
ドメイン不変セマンティック表現の学習は、ドメインの一般化を達成するために不可欠である。標準的なトレーニングは、しばしば絡み合った意味とドメイン固有の特徴をもたらす。これまでの研究は、因果的な観点から問題を定式化することを示唆している。基本的なフレームワークを補完する2つの戦略を提案する。
論文参考訳（メタデータ） (2024-03-13T16:04:29Z)
AbCD: A Component-wise Adjustable Framework for Dynamic Optimization Problems [49.1574468325115]
動的最適化問題 (DOP) は、常に発生し、現実の応用に共通するフィットネス環境の変化によって特徴づけられる。我々は、動的問題のための調整可能なコンポーネント(AbCD)と呼ばれるDOPのためのコンポーネント指向フレームワークを開発する。この結果から,アルゴリズムやコンポーネントの今後の発展に対処する必要があるDOP分野の既存の課題が浮き彫りになる。
論文参考訳（メタデータ） (2023-10-09T08:11:31Z)
Transfer RL via the Undo Maps Formalism [29.798971172941627]
ドメイン間で知識を伝達することは、機械学習における最も基本的な問題の1つである。本稿では,対話型ドメイン間で知識を伝達するフレームワークTvDを提案する。この目的が,模倣学習を想起させるポリシー更新スキームに結びつき,それを実装するための効率的なアルゴリズムを導出することを示す。
論文参考訳（メタデータ） (2022-11-26T03:44:28Z)
Decomposing Counterfactual Explanations for Consequential Decision Making [11.17545155325116]
我々は、IMFと強い因果的前提の間のギャップを埋める、新しく実践的な枠組みを開発する。 textttは、共変特徴の潜在表現をアンタングルすることで、recoursesを生成する。実世界のデータに関する我々の実験は、理論上動機づけられたリコースモデルと相関し、信頼性と低コストのリコースを提供するフレームワークの能力を強調します。
論文参考訳（メタデータ） (2022-11-03T21:26:55Z)
A Brief History of Updates of Answer-Set Programs [0.0]
回答セットのプログラミング更新に関連する主なアプローチと結果について概説する。このトピックで研究が直面した主な課題をいくつか指摘します。
論文参考訳（メタデータ） (2021-12-27T01:46:33Z)
Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。 LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
論文参考訳（メタデータ） (2020-07-06T05:13:20Z)
Differentiable Causal Discovery from Interventional Data [141.41931444927184]
本稿では、介入データを活用可能なニューラルネットワークに基づく理論的基盤化手法を提案する。提案手法は,様々な環境下での美術品の状態と良好に比較できることを示す。
論文参考訳（メタデータ） (2020-07-03T15:19:17Z)
Continuous Domain Adaptation with Variational Domain-Agnostic Feature Replay [78.7472257594881]
非定常環境での学習は、機械学習における最大の課題の1つだ。非定常性はタスクドリフトまたはドメインドリフトによって引き起こされる。本稿では,3つのコンポーネントから構成されるアプローチである変分ドメインに依存しない特徴リプレイを提案する。
論文参考訳（メタデータ） (2020-03-09T19:50:24Z)

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。