論文の概要: Relaxed activation analysis of dataflow networks - A clock calculus for machine learning and real-time scheduling
- arxiv url: http://arxiv.org/abs/2607.21797v1
- Date: Thu, 23 Jul 2026 20:27:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:56.996111
- Title: Relaxed activation analysis of dataflow networks - A clock calculus for machine learning and real-time scheduling
- Title（参考訳）: データフローネットワークの緩和活性化解析 -機械学習とリアルタイムスケジューリングのためのクロック計算-
- Abstract要約: 本稿では、リアクティブアプリケーションへの機械学習モデルの埋め込みを容易にするために、Lustreのクロック計算の保守的拡張を提案する。
トレーニングアルゴリズムで一般的に見られる制御パターンの表現には不向きであり,不適切な表現や非効率なコンパイルをもたらすことを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Previous work has shown that the simple dataflow primitives of the Lustre language allow the natural, semantically unambiguous, and compact representation of machine learning (ML) applications, including models featuring complex conditional execution and recurrent state. The Lustre clock calculus is responsible for the static determination of important properties such as liveness (absence of deadlocks) and static memory bounds. Yet existing clock calculi are tailored for embedded control applications. We show they do not cater for the representation of control patterns commonly found in training algorithms, resulting in cumbersome expressions and inefficient compilation. We propose a conservative extension of Lustre's clock calculus addressing this limitation, thereby facilitating the embedding of ML models in reactive applications.
- Abstract（参考訳）: これまでの研究によると、Lustre言語の単純なデータフロープリミティブは、複雑な条件付き実行とリカレント状態を備えたモデルを含む機械学習(ML)アプリケーションの自然な、セマンティックに曖昧でコンパクトな表現を可能にする。
Lustreクロック計算は、生存性(デッドロックの存在)や静的メモリ境界などの重要な特性を静的に決定する役割を担っている。
しかし、既存のクロック計算は組み込み制御アプリケーション用に調整されている。
トレーニングアルゴリズムで一般的に見られる制御パターンの表現には不向きであり,不適切な表現や非効率なコンパイルをもたらすことを示す。
本稿では,この制限に対処するLustreのクロック計算の保守的拡張を提案し,リアクティブアプリケーションへのMLモデルの埋め込みを容易にする。
関連論文リスト
- Learning-Augmented Moment Estimation on Time-Decay Models [55.06256430461023]
私たちは、多くの基本的な問題に対して学習強化アルゴリズムを提供するために、データセットのヘビーヒッターにオラクルを使用します。
提案手法は,実データおよび合成データセット上でのアルゴリズムの実用的効率を実証する実験的な評価によって理論的結果を補完するものである。
論文 参考訳（メタデータ） (2026-03-03T00:42:34Z) - Causality by Abstraction: Symbolic Rule Learning in Multivariate Timeseries with Large Language Models [1.3167012401618352]
本稿では,大規模言語モデルを利用して入力-出力関係の形式的説明を抽出するフレームワークである ruleXplain を提案する。
提案手法では,時間演算子と遅延セマンティクスを備えた制約付き記号規則言語を導入し,LLMが検証可能な因果規則を生成する。
本研究では, PySIRTEM 流行シミュレータ, 日常感染数に対する検査率入力のマッピング, エナジープラスビルディングエネルギーシミュレータを用いて, 電力需要に対する温度および太陽光照射入力の観測を行った。
論文 参考訳（メタデータ） (2026-02-19T20:49:06Z) - Scaling LLM Speculative Decoding: Non-Autoregressive Forecasting in Large-Batch Scenarios [76.85739138203014]
本稿では,一方向および注目メカニズムを加速する新しいアーキテクチャであるSpecFormerを紹介する。
また,SpecFormerはトレーニング要求の低減と計算コストの削減を実現している。
論文 参考訳（メタデータ） (2025-11-25T14:20:08Z) - Semantic-Aware Scheduling for GPU Clusters with Large Language Models [60.14838697778884]
我々は、スケジューラと管理するジョブ間のセマンティックギャップを橋渡しするフレームワークであるSchedMateを提案する。
SchedMateは見過ごされ、構造化されていないデータソース(ソースコード、ランタイムログ、履歴ジョブ)から深い洞察を抽出する。
我々は、SchedMateが平均ジョブ完了時間を最大1.91倍に短縮し、スケジューリング性能を大幅に向上させることを示す。
論文 参考訳（メタデータ） (2025-10-02T02:01:02Z) - Tender: Accelerating Large Language Models via Tensor Decomposition and Runtime Requantization [0.6445087473595953]
大規模言語モデル(LLM)は、機械学習における様々なタスクにおいて優れたパフォーマンスを示す。
LLM推論のデプロイは、高い計算とメモリ要求のために問題となる。
我々は,低精度でLLM推論を効率的に展開できるアルゴリズム-ハードウェア共設計ソリューションであるテンダーを提案する。
論文 参考訳（メタデータ） (2024-06-16T09:51:55Z) - Synthesizing Efficiently Monitorable Formulas in Metric Temporal Logic [4.60607942851373]
システム実行から形式仕様を自動合成する問題を考察する。
時間論理式を合成するための古典的なアプローチの多くは、公式のサイズを最小化することを目的としている。
我々は,この概念を定式化し,有界な外見を持つ簡潔な公式を合成する学習アルゴリズムを考案する。
論文 参考訳（メタデータ） (2023-10-26T14:13:15Z) - On the Representational Capacity of Recurrent Neural Language Models [56.19166912044362]
計算時間を持つ有理重み付きRLMは、有理重み付き遷移を持つ決定論的確率的チューリングマシン(PTM)をシミュレートできることを示す。
また, 実時間計算の制約下では, 決定論的実時間有理PTMをシミュレートできることを示した。
論文 参考訳（メタデータ） (2023-10-19T17:39:47Z) - Large Language Models as General Pattern Machines [64.75501424160748]
我々は,事前訓練された大規模言語モデル (LLM) が,複雑なトークンシーケンスを自動回帰的に完了することを示す。
驚いたことに、語彙からランダムにサンプリングされたトークンを用いてシーケンスが表現された場合でも、パターン完了の習熟度を部分的に保持することができる。
本研究では,ロボット工学における問題に対して,これらのゼロショット機能がどのように適用されるかを検討する。
論文 参考訳（メタデータ） (2023-07-10T17:32:13Z) - Learning Decorrelated Representations Efficiently Using Fast Fourier
Transform [3.932322649674071]
高速フーリエ変換によりO(n d log d)時間で計算できる緩和された非相関正規化器を提案する。
提案した正則化器は、ダウンストリームタスクにおける既存の正則化器に匹敵する精度を示す。
論文 参考訳（メタデータ） (2023-01-04T12:38:08Z) - Learning summary features of time series for likelihood free inference [93.08098361687722]
時系列データから要約機能を自動的に学習するためのデータ駆動型戦略を提案する。
以上の結果から,データから要約的特徴を学習することで,手作りの値に基づいてLFI手法よりも優れる可能性が示唆された。
論文 参考訳（メタデータ） (2020-12-04T19:21:37Z)
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。