論文の概要: RDFdL: Integrating RDF with Differential Dynamic Logic

• arxiv url: http://arxiv.org/abs/2608.18165v1
• Date: Sun, 16 Aug 2026 02:04:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.16527
• Title: RDFdL: Integrating RDF with Differential Dynamic Logic
• Title（参考訳）: RDFdL:微分動的論理を用いたRDFの統合
• Abstract要約: 本稿では,物理系の静的知識と連続力学の両方を表現するために,RDFと微分動的論理(dL)を統合するフレームワークRDFdLを提案する。 動的部分に対しては, RDF と SHACL の状態空間における微分方程式と範囲を統語的に表現し, dL への変換を用いた意味論を提供する。
• 参考スコア（独自算出の注目度）: 2.6327686654111493
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge graphs modeled in RDF are powerful for describing static knowledge, but they cannot capture or reason about the dynamic behavior of physical systems, e.g., systems described by differential equations, which is a critical gap for AI-driven cyber-physical systems. To solve this, we propose RDFdL, a framework that integrates RDF with Differential Dynamic Logic (dL) to represent and reason about both static knowledge and the continuous dynamics of physical systems. For the dynamic part, we syntactically represent differential equations and ranges in the state space in RDF and SHACL and provide semantics using a translation to dL. Linking RDF and dL through their shared foundation in first-order logic achieves a unique integration: verification results for safety and reachability properties in the dynamic logic domain become available as entailment to SPARQL queries over RDF data. We implement the pipeline using Apache Jena for ontology-driven RDF reasoning and KeYmaera X, the theorem prover for dL, and sketch its applicability in manufacturing.
• Abstract（参考訳）: RDFでモデル化された知識グラフは静的な知識を記述するには強力だが、例えば微分方程式によって記述されたシステムの動的挙動をキャプチャーまたは推論することはできず、これはAI駆動のサイバー物理システムにとって重要なギャップである。 そこで本研究では,RDFと微分動的論理(dL)を統合し,静的知識と物理系の連続力学の両方を表現・推論するフレームワークRDFdLを提案する。 動的部分に対しては, RDF と SHACL の状態空間における微分方程式と範囲を統語的に表現し, dL への変換を用いた意味論を提供する。 RDFとdLの共有基盤を一階述語論理でリンクすると、ユニークな統合が達成される。 動的論理領域の安全性と到達性に関する検証結果が、RDFデータよりもSPARQLクエリに関連付けられるようになった。 我々は、オントロジー駆動のRDF推論のためのApache Jenaと、dLの定理証明であるKeYmaera Xを使用してパイプラインを実装し、製造におけるその適用性についてスケッチする。

関連論文リスト

• Automatic Ontology Construction Using LLMs as an External Layer of Memory, Verification, and Planning for Hybrid Intelligent Systems [0.0]
  本稿では,大規模言語モデル(LLM)を外部オントロジメモリ層で拡張したインテリジェントシステムのためのハイブリッドアーキテクチャを提案する。 提案手法は,RDF/OWL表現を用いた構造化知識グラフの構築と維持を行う。
  論文  参考訳（メタデータ） (2026-04-22T17:19:43Z)
• Relatron: Automating Relational Machine Learning over Relational Databases [50.94254514286021]
  本稿では, RDL と DFS を共有設計空間に統合し, 多様な RDB タスクを対象としたアーキテクチャ中心の検索を行う。 RDLはDFSを一貫して上回り、高いタスク依存性を持つ。(2)タスク全体において単一のアーキテクチャが支配的であり、タスク認識モデル選択の必要性を強調し、精度は選択アーキテクチャの信頼性の低いガイドである。
  論文  参考訳（メタデータ） (2026-02-26T02:45:22Z)
• Performance Evaluation of LLMs in Automated RDF Knowledge Graph Generation [0.0]
  大規模言語モデル(LLM)はRDF知識グラフ生成を自動化するための有望なアプローチを提供する。 我々は,複数のLPMを評価し,制御フレームワークを用いた自動RDF抽出手法を提案する。 Llama は 99.35% の F1 スコアと100% 有効な RDF 出力を達成している。
  論文  参考訳（メタデータ） (2026-02-06T06:30:35Z)
• Disordered Dynamics in High Dimensions: Connections to Random Matrices and Machine Learning [52.26396748560348]
  ランダム行列によって駆動される高次元力学系について概説する。 機械学習理論における学習と一般化の単純なモデルへの応用に焦点を当てる。
  論文  参考訳（メタデータ） (2026-01-03T00:12:32Z)
• Making Mathematical Reasoning Adaptive [61.45161826629692]
  大規模言語モデル(LLM)における適応推論を実現するためのAdaRフレームワークを提案する。 AdaRは可変値によって論理的に等価なクエリを合成し、これらのデータに基づいてRLVRでモデルを訓練し、スプリアス論理をペナルライズする。 実験により, AdaRはロバスト性や一般化を向上し, 数学的推論の大幅な改善を実現していることが示された。
  論文  参考訳（メタデータ） (2025-10-06T09:30:05Z)
• Let Synthetic Data Shine: Domain Reassembly and Soft-Fusion for Single Domain Generalization [68.41367635546183]
  単一ドメインの一般化は、単一のソースからのデータを使用して、さまざまなシナリオで一貫したパフォーマンスでモデルをトレーニングすることを目的としている。 モデル一般化を改善するために合成データを活用した学習フレームワークDRSFを提案する。
  論文  参考訳（メタデータ） (2025-03-17T18:08:03Z)
• ISR: Invertible Symbolic Regression [7.499800486499609]
  Invertible Symbolic Regression(インバーティブル・シンボリック・レグレッション・レグレッション)は、あるデータセットの入力と出力の間の分析的関係を生成する機械学習技術である。 INNのアフィン結合ブロックをシンボリック・フレームワークに変換し、エンドツーエンドで微分可能なシンボリック・インバータブル・アーキテクチャを実現する。 ISRは密度推定タスクの(象徴的な)正規化フローとして機能することを示す。
  論文  参考訳（メタデータ） (2024-05-10T23:20:46Z)
• Automating the Discovery of Partial Differential Equations in Dynamical Systems [0.0]
  適応型ラッソを用いてスパースレグレッションを利用して自動的にPDEを識別するARGOSフレームワークARGOS-RALの拡張を提案する。 各種ノイズレベルおよびサンプルサイズの下での標準PDEの同定におけるARGOS-RALの性能を厳格に評価した。 以上の結果から,ARGOS-ALはデータから基礎となるPDEを効果的かつ確実に同定し,ほとんどの場合において逐次しきい値リッジ回帰法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-04-25T09:23:03Z)
• Deep Inductive Logic Programming meets Reinforcement Learning [0.0]
  微分可能なニューラルロジック(dNL)ネットワークは、そのニューラルアーキテクチャがシンボリック推論を含むため、関数を学習することができる。 動的連続環境に対処するための強化学習(RRL)分野におけるdNLの適用を提案する。
  論文  参考訳（メタデータ） (2023-08-30T09:08:46Z)
• Modeling Hierarchical Reasoning Chains by Linking Discourse Units and Key Phrases for Reading Comprehension [80.99865844249106]
  本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。 具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
  論文  参考訳（メタデータ） (2023-06-21T07:34:27Z)
• Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
  本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。 静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
  論文  参考訳（メタデータ） (2022-02-25T20:00:56Z)

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。