論文の概要: Learning Canonical Register Automata over Ordered Data Domains

• arxiv url: http://arxiv.org/abs/2608.18765v1
• Date: Wed, 19 Aug 2026 10:16:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.373491
• Title: Learning Canonical Register Automata over Ordered Data Domains
• Title（参考訳）: 順序付きデータドメインを用いたCanonical Register Automataの学習
• Authors: Yong Li, Qiyi Tang, Di-De Yen,
• Abstract要約: 順序付きデータ領域上の決定論的レジスタオートマトン(DRA)の能動的学習アルゴリズムについて検討する。 本研究では,高密度領域と高密度領域の両方に対するDRAの能動的学習問題を,単一の統合フレームワークで処理可能であることを示す。
• 参考スコア（独自算出の注目度）: 6.116388742139105
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Register automata are finite automata equipped with memory that recognize data languages over infinite alphabets. In this work, we investigate active learning algorithms for deterministic register automata (DRAs) over ordered data domains--covering both dense domains, such as the rationals, and non-dense domains such as the integers. We show that the active learning problem for DRAs over both dense and non-dense ordered domains can be treated within a single unified framework. More specifically, we develop and implement a polynomial-time active learning procedure for DRAs over ordered domains, using oracles for membership, equivalence and memorability queries. The memorability queries were originally introduced for learning DRAs over domains with identity tests. Our unified framework also leads to a new consequence: minimization of DRAs over the non-dense ordered domain of integers is decidable, extending a result previously known only for dense domains. Finally, we give improved complexity bounds of several decision problems for DRAs over ordered domains that are closely related to the queries used in active learning.
• Abstract（参考訳）: レジスタオートマトンは、無限アルファベット上のデータ言語を認識するメモリを備えた有限オートマトンである。 本研究では,順序付きデータ領域上の決定論的レジスタオートマトン(DRA)の能動的学習アルゴリズムについて検討する。 本研究では,高密度領域と高密度領域の両方に対するDRAの能動的学習問題を,単一の統合フレームワークで処理可能であることを示す。 具体的には,規則付きドメイン上でのDRAに対する多項式時間能動的学習手法の開発と実装を行う。 覚えやすさクエリは、当初はドメイン上のDRAをIDテストで学習するために導入された。 我々の統合されたフレームワークはまた、新しい結果をもたらす: 整数の非密度順序領域上の DRA の最小化は決定可能である。 最後に、アクティブラーニングで使用されるクエリと密接に関連している順序付きドメイン上でのDRAのいくつかの決定問題に対する複雑性境界を改良した。

関連論文リスト

• Learning to Solve Domain-Specific Calculation Problems with Knowledge-Intensive Programs Generator [33.680619900836376]
  本稿では,知識集中型プログラム生成器を用いて,ドメイン固有の計算問題を解くパイプラインを提案する。 ドメイン固有の文書に従って知識集約型プログラムを生成する。 また、コードジェネレータは、新しい知識をトレーニングすることなく、他のドメインにも適用可能であることもわかりました。
  論文  参考訳（メタデータ） (2024-12-12T13:42:58Z)
• ID-centric Pre-training for Recommendation [51.72177873832969]
  IDの埋め込みは、新しいドメインに移すことが難しい。 ID埋め込みにおける行動情報は、まだPLMベースのレコメンデーションモデルで支配的であることが証明されている。 本稿では,事前学習ドメインで学習した情報型ID埋め込みを新しいドメインの項目表現に直接転送する,新しいID中心の事前学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-05-06T15:34:31Z)
• DiPrompT: Disentangled Prompt Tuning for Multiple Latent Domain Generalization in Federated Learning [20.51179258856028]
  フェデレートラーニング(FL)は、分散データから学ぶための強力なパラダイムとして登場した。 既存のFLメソッドの多くは、トレーニング中にドメインラベルが提供されると仮定し、その評価はドメインの数に明確な制約を課している。 本稿では,ドメイン一般化のための適応的なプロンプトを分散的に学習することで,上記の制約に対処するDistangled Prompt Tuning(DiPrompT)を提案する。
  論文  参考訳（メタデータ） (2024-03-11T15:58:15Z)
• Efficient Hierarchical Domain Adaptation for Pretrained Language Models [77.02962815423658]
  生成言語モデルは、多種多様な一般的なドメインコーパスに基づいて訓練される。 計算効率のよいアダプタアプローチを用いて,ドメイン適応を多種多様なドメインに拡張する手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T11:09:29Z)
• DABS: A Domain-Agnostic Benchmark for Self-Supervised Learning [6.040682281295584]
  自己教師型学習のためのドメインに依存しないベンチマークであるDABSを提案する。 自然画像、マルチチャネルセンサデータ、英語テキスト、音声記録、多言語テキスト、胸部X線、およびテキスト記述を伴う画像の7つの領域でアルゴリズムを評価する。 e-Mix と ShED: 2つのベースラインドメインに依存しないアルゴリズムも提示する。
  論文  参考訳（メタデータ） (2021-11-23T18:22:14Z)
• Learning First-Order Representations for Planning from Black-Box States: New Results [21.071885778609747]
  ボーントとゲフナーは、計画領域に対する一階表現は状態空間の構造から学ぶことができることを示した。 ボネットとゲフナーによって導入された領域は、新しいアプローチでより効率的に解けることを示す。
  論文  参考訳（メタデータ） (2021-05-23T00:08:42Z)
• Active Learning of Sequential Transducers with Side Information about the Domain [0.0]
  グレイボックス学習では、目標に関する情報を予知することで学習プロセスが加速される。 この知識を用いて後続文字列トランスデューサを学習する文字列方程式ソルバを用いたアルゴリズムが存在することを示す。
  論文  参考訳（メタデータ） (2021-04-23T18:01:10Z)
• CMT in TREC-COVID Round 2: Mitigating the Generalization Gaps from Web to Special Domain Search [89.48123965553098]
  本稿では,特殊領域適応問題を緩和する探索システムを提案する。 このシステムは、ドメイン適応型事前学習と数発の学習技術を利用して、ニューラルネットワークがドメインの不一致を軽減するのに役立つ。 本システムでは,TREC-COVID タスクの第2ラウンドにおいて,非マニュアル実行において最善を尽くす。
  論文  参考訳（メタデータ） (2020-11-03T09:10:48Z)
• Learning Task-oriented Disentangled Representations for Unsupervised Domain Adaptation [165.61511788237485]
  Unsupervised domain adapt (UDA) は、ラベル付きソースドメインとラベルなしターゲットドメインの間のドメインシフト問題に対処することを目的としている。 UDAのための動的タスク指向の非絡合ネットワーク(DTDN)を提案し,非絡合表現をエンドツーエンドで学習する。
  論文  参考訳（メタデータ） (2020-07-27T01:21:18Z)
• Active Online Learning with Hidden Shifting Domains [64.75186088512034]
  本稿では,その後悔度とラベルクエリ数とを適応的にバランスさせる,驚くほど単純なアルゴリズムを提案する。 我々のアルゴリズムは、異なる領域からの入力のインターリービングスパンを適応的に処理できる。
  論文  参考訳（メタデータ） (2020-06-25T15:23:59Z)
• Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID [55.21702895051287]
  ドメイン適応オブジェクトre-IDは、学習した知識をラベル付けされたソースドメインからラベル付けされていないターゲットドメインに転送することを目的としています。 本稿では,ハイブリットメモリを用いた自己評価型コントラスト学習フレームワークを提案する。 提案手法は,オブジェクトre-IDの複数のドメイン適応タスクにおいて,最先端の処理性能を向上する。
  論文  参考訳（メタデータ） (2020-06-04T09:12:44Z)

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。