Fugu-MT 論文翻訳(概要): On Weak Bisimilarities in CCSK

論文の概要: On Weak Bisimilarities in CCSK

arxiv url: http://arxiv.org/abs/2608.11531v1
Date: Wed, 12 Aug 2026 00:52:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-13 19:07:54.408556
Title: On Weak Bisimilarities in CCSK
Title（参考訳）: CCSKの弱相似性について
Authors: Baptiste Vallée, Ivan Lanese,
Abstract要約: 両相似性の異なる概念(強さ・弱さ・前方のみ・可逆性)を研究する。弱い可逆の場合、方向性と混合二相性と呼ばれる2つの変種を提案する。特に、混合二相性は合同であり、$$アクションから完全に抽象化されていることを示す。
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: In the context of CCSK, a reversible extension of CCS, we study different notions of bisimilarity (strong/weak, forward-only/reversible) and highlight their differences and commonalities. In particular, for the weak reversible case, not previously studied in the literature, we propose two variants, dubbed directional and mixed bisimilarity, depending on whether $τ$ actions should be in the same direction (forward/backward) as the action being matched or not. We show, in particular, that mixed bisimilarity is a congruence and completely abstracts away from $τ$ actions.
Abstract（参考訳）: CCSの可逆拡張であるCSKの文脈において、両相似性の異なる概念(強い/弱、前方のみ、および可逆)を研究し、それらの相違点と共通点を強調する。特に、文献で以前に研究されていない弱可逆ケースに対しては、$τ$の作用が一致する作用と同じ方向(前方/後方)にあるか否かによって、方向性と混合双相似性と呼ばれる2つの変種を提案する。特に、混合双相似性は合同であり、$τ$アクションから完全に抽象化されていることを示す。

関連論文リスト

Leveraging Similarities in Multi-Armed Bandits [26.91899094459239]
そこで,本研究では,ルート木で符号化された類似性構造化アクションセットを用いてオンライン学習について検討する。 2点フィードバックの下では,リプシッツの盗賊を後悔して$sqrtT$を達成できることが示されている。
論文参考訳（メタデータ） (2026-06-22T14:39:11Z)
Dual-Stance Evaluation of Sycophancy: The Structure of Agreement and the Limits of Intervention [0.0]
Llama-3-8B-Instruct上で,各トピックの両スタンスをテストし,遠心分離ステアリングに適用するデュアルスタンス評価を導入する。モデルは幾何学的に異なる部分空間において空想的かつ事実的な一致を表すが、操舵方向は等しく両面に投影され、どちらも微分的標的にはならない。
論文参考訳（メタデータ） (2026-04-22T13:49:34Z)
Cross-Modal Retrieval with Cauchy-Schwarz Divergence [26.94915416778522]
クロスモーダル検索では、不均一なデータ型を堅牢にアライメントする必要がある。既存の手法の多くは、Kullback-Leiblerの発散のような分布アライメント技術に依存している。本稿では、トレーニング安定性と検索性能の両方を改善するハイパーパラメータフリー尺度であるCauchy-Schwarz(CS)の発散について紹介する。
論文参考訳（メタデータ） (2025-09-15T08:55:15Z)
Estimating Commonsense Plausibility through Semantic Shifts [66.06254418551737]
セマンティックシフトを測定することでコモンセンスの妥当性を定量化する新しい識別フレームワークであるComPaSSを提案する。 2種類の細粒度コモンセンス可視性評価タスクの評価は,ComPaSSが一貫してベースラインを上回っていることを示している。
論文参考訳（メタデータ） (2025-02-19T06:31:06Z)
Causal vs. Anticausal merging of predictors [57.26526031579287]
同じデータを用いて、因果方向と反因果方向の融合予測器から生じる差について検討した。帰納的バイアスとしてCausal Maximum Entropy (CMAXENT) を用いて予測器をマージする。
論文参考訳（メタデータ） (2025-01-14T20:38:15Z)
Revisiting Cosine Similarity via Normalized ICA-transformed Embeddings [2.8402080392117757]
コサイン類似度は、2つの埋め込みの類似度を測定するために広く用いられている。本稿では,コサイン類似性の新たな解釈を,軸上の意味的類似性の和として提案する。
論文参考訳（メタデータ） (2024-06-16T15:44:37Z)
Duality of Bures and Shape Distances with Implications for Comparing Neural Representations [6.698235069945606]
ニューラルネットワーク表現間の複数の類似度尺度が提案され、その結果、断片化された研究ランドスケープが生み出された。第一に、線形回帰、正準相関解析(CCA)、形状距離などの尺度は、全て類似性を定量化するために神経ユニット間の明示的なマッピングを学習する。第二に、表現類似性分析(RSA)、中心核アライメント(CKA)、正規化されたバーズ類似性(NBS)といった尺度は、すべて要約統計において類似性を定量化する。
論文参考訳（メタデータ） (2023-11-19T22:17:09Z)
Unsupervised Hashing with Similarity Distribution Calibration [127.34239817201549]
教師なしハッシュ法は、特徴空間内のデータポイント間の類似性をバイナリハッシュコードにマッピングすることで保存することを目的としている。これらの方法は、連続的な特徴空間におけるデータポイント間の類似性が離散的なハッシュコード空間に保存されないという事実をしばしば見落としている。類似性範囲はコードの長さによって制限され、類似性崩壊と呼ばれる問題を引き起こす可能性がある。本稿では,この問題を緩和する新しい類似度分布法を提案する。
論文参考訳（メタデータ） (2023-02-15T14:06:39Z)
Beyond Instance Discrimination: Relation-aware Contrastive Self-supervised Learning [75.46664770669949]
本稿では,関係認識型コントラスト型自己教師型学習(ReCo)をインスタンス関係に統合するために提案する。当社のReCoは、常に顕著なパフォーマンス改善を実現しています。
論文参考訳（メタデータ） (2022-11-02T03:25:28Z)
DiffCSE: Difference-based Contrastive Learning for Sentence Embeddings [51.274478128525686]
DiffCSEは、文の埋め込みを学習するための教師なしのコントラスト学習フレームワークである。実験の結果,教師なし文表現学習法では,DiffCSEは最先端の結果が得られることがわかった。
論文参考訳（メタデータ） (2022-04-21T17:32:01Z)
K-Shot Contrastive Learning of Visual Features with Multiple Instance Augmentations [67.46036826589467]
個々のインスタンス内のサンプルのバリエーションを調べるために、$K$-Shot Contrastive Learningが提案されている。異なるインスタンスを区別するために差別的特徴を学習することで、インスタンス間差別の利点を組み合わせることを目的としている。提案した$K$-shotのコントラスト学習は、最先端の教師なし手法よりも優れた性能が得られることを示す実験結果を得た。
論文参考訳（メタデータ） (2020-07-27T04:56:41Z)

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。