論文の概要: Enhancing Query Efficiency for d-DNNF Representations Through Preprocessing

• arxiv url: http://arxiv.org/abs/2607.11492v1
• Date: Mon, 13 Jul 2026 12:47:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.467894
• Title: Enhancing Query Efficiency for d-DNNF Representations Through Preprocessing
• Title（参考訳）: 前処理によるd-DNNF表現のクエリ効率向上
• Abstract要約: 我々は、一様サンプリング、直接モデルアクセス、モデル列挙という3つの基本的なタスクに焦点を当てる。 我々の分析によると、ほとんどの最先端のプリプロセッサは、公式の等価性を保たないが、一般的にこれらのタスクには適さない。 対照的に、モデルカウントを保存するプリプロセッサは、関連するプリプロセッサ情報を保持する場合、効果的に活用可能であることを実証する。
• 参考スコア（独自算出の注目度）: 6.484278756220379
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we investigate preprocessing techniques aimed at improving the efficiency of accessing models of propositional formulas represented in conjunctive normal form (CNF). We focus on three fundamental tasks: uniform sampling, direct model access, and model enumeration. Our analysis reveals that most state-of-the-art preprocessors, when they do not preserve formula equivalence, are generally unsuitable for these tasks. In contrast, we demonstrate that preprocessors which preserve model counts can be effectively leveraged, provided relevant preprocessing information is maintained. To validate our approach, we perform extensive experiments on a diverse suite of benchmarks from multiple domains. The experimental results show that our preprocessing methods are both efficient and robust, yielding significant performance improvements for model access queries when CNF formulas are compiled into d-DNNF representations.
• Abstract（参考訳）: 本稿では,共役正規形式 (CNF) で表される命題式モデルへのアクセス効率向上を目的とした前処理手法について検討する。 我々は、一様サンプリング、直接モデルアクセス、モデル列挙という3つの基本的なタスクに焦点を当てる。 我々の分析によると、ほとんどの最先端のプリプロセッサは、公式の等価性を保たないが、一般的にこれらのタスクには適さない。 対照的に、モデルカウントを保存するプリプロセッサは、関連するプリプロセッシング情報が保持されている場合、効果的に活用可能であることを実証する。 提案手法の有効性を検証するため,複数の領域のベンチマークスイートについて広範な実験を行った。 実験の結果,提案手法は効率的かつ堅牢であり,CNF式をd-DNNF表現にコンパイルすると,モデルアクセスクエリの性能が大幅に向上することがわかった。

関連論文リスト

• On the Usage of Gaussian Process for Efficient Data Valuation [3.688196752709501]
  機械学習では、与えられたダタムがモデルトレーニングに与える影響を知ることは、データバリュエーションと呼ばれる基本的なタスクである。 我々は,データ評価手法を2つの部品の組み合わせとして分析できる新しい標準分解法を設計した。 提案手法の強みは, ベイズ理論の理論的根拠と, 効率的な更新式により評価値の高速な推定を可能にした実用的到達性の両方に起因している。
  論文  参考訳（メタデータ） (2025-06-04T14:53:51Z)
• DiffETM: Diffusion Process Enhanced Embedded Topic Model [16.301672926021087]
  組込みトピックモデル(ETM)は、サンプル化された文書トピック分布がロジスティック正規分布に適合し、容易に最適化できると仮定する。 文書トピック分布のサンプリングプロセスに拡散過程を導入し,この制限を克服する手法を提案する。 提案手法は,2つの主流データセットに対する広範な実験により検証され,トピックモデリングの性能向上に有効であることが証明された。
  論文  参考訳（メタデータ） (2025-01-01T15:15:39Z)
• A Distribution-Aware Flow-Matching for Generating Unstructured Data for Few-Shot Reinforcement Learning [1.0709300917082865]
  数発の強化学習のための合成非構造化データを生成するための分布認識フローマッチング手法を提案する。 我々のアプローチは、オーバーフィッティングやデータ相関など、従来のモデルベースRLにおける重要な課題に対処する。 提案手法は,初期タイムスタンプのフレームレートを30%向上させながら,最大Q値で安定した収束を実現することを示す。
  論文  参考訳（メタデータ） (2024-09-21T15:50:59Z)
• Unsupervised Pre-training with Language-Vision Prompts for Low-Data Instance Segmentation [105.23631749213729]
  低データ体制における教師なし事前学習のための新しい手法を提案する。 最近成功したプロンプト技術に触発されて,言語ビジョンプロンプトを用いた教師なし事前学習法を導入した。 提案手法は,低データ方式のCNNモデルよりも高速に収束し,性能がよいことを示す。
  論文  参考訳（メタデータ） (2024-05-22T06:48:43Z)
• Universal Domain Adaptation from Foundation Models: A Baseline Study [58.51162198585434]
  基礎モデルを用いた最先端UniDA手法の実証的研究を行った。 CLIPモデルからターゲット知識を抽出するためのパラメータフリーな手法であるtextitCLIP 蒸留を導入する。 単純な手法ではあるが、ほとんどのベンチマークタスクでは従来の手法よりも優れている。
  論文  参考訳（メタデータ） (2023-05-18T16:28:29Z)
• Optimizing Hyperparameters with Conformal Quantile Regression [7.316604052864345]
  本稿では,観測ノイズについて最小限の仮定を行う等化量子レグレッションを活用することを提案する。 これは経験的ベンチマークでのHPO収束を早くすることを意味する。
  論文  参考訳（メタデータ） (2023-05-05T15:33:39Z)
• Boosting Low-Data Instance Segmentation by Unsupervised Pre-training with Saliency Prompt [103.58323875748427]
  この研究は、低データ体制のための新しい教師なし事前学習ソリューションを提供する。 近年のPrompting技術の成功に触発されて,QEISモデルを強化した新しい事前学習手法を導入する。 実験結果から,本手法は3つのデータセット上でのいくつかのQEISモデルを大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2023-02-02T15:49:03Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• Value Retrieval with Arbitrary Queries for Form-like Documents [50.5532781148902]
  フォーム状文書に対する任意のクエリを用いた値検索を提案する。 本手法は,フォームのレイアウトやセマンティクスの理解に基づいて,任意のクエリのターゲット値を予測する。 本稿では,大規模モデル事前学習における文書理解を改善するためのシンプルな文書言語モデリング (simpleDLM) 戦略を提案する。
  論文  参考訳（メタデータ） (2021-12-15T01:12:02Z)
• Faster Exact MPE and Constrained Optimization with Deterministic Finite State Automata [2.1777837784979273]
  ケット除去(BE)における簡潔表現の活用 最も可能性の高い説明と重み付けされた制約満足度ベンチマークの結果は、FABEがしばしば芸術の状態を上回ります。
  論文  参考訳（メタデータ） (2021-08-09T09:31:46Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)
• SE3M: A Model for Software Effort Estimation Using Pre-trained Embedding Models [0.8287206589886881]
  本稿では,事前学習した埋め込みモデルの有効性を評価する。 両方のアプローチでトレーニング済みのジェネリックモデルは、微調整プロセスを経ている。 テスト結果は非常に有望で、事前トレーニングされたモデルを使用して、要求テキストのみに基づいてソフトウェアの労力を見積もることができることに気付きました。
  論文  参考訳（メタデータ） (2020-06-30T14:15:38Z)

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。