論文の概要: Semi-automated Verification of Symbolic Invariants In Extended Symmetric Nets

• arxiv url: http://arxiv.org/abs/2609.34891v1
• Date: Mon, 28 Sep 2026 10:59:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:56:44.396199
• Title: Semi-automated Verification of Symbolic Invariants In Extended Symmetric Nets
• Title（参考訳）: 拡張対称ネットにおける記号不変量の半自動検証
• Abstract要約: フローとアウトライン、少なくとも理論上は、フロー生成ファミリの構築方法に重点を置いています。 また、より広い範囲の不変プロパティを正式に検証するためのフレームワークをスケッチする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Structural analysis is central to Petri Net (PN) research, complementing state-space methods while avoiding their combinatorial issues. It is well studied for classical PNs but much less for High-Level Petri Nets (HLPN). Symmetric Nets (SN), a common HLPN formalism, use compact annotations to encode behavioral symmetries, allowing symbolic reachability graphs and associated lumped Markov chains for stochastic SN. In the past two decades, specific structural techniques for SN have emerged, notably the SNexpression tool, which implements a calculus for symbolic structural relations such as conflict and causality. We propose using this calculus to semi-automatically verify symbolic structural invariants, currently possible only for restricted SN subclasses, for an extended SN formalism (ESN) closed under key functional operators. We focus on flows and outline, at least in theory, how to construct a flow-generating family. We also sketch a framework for formally verifying a wider range of invariant properties. Representative examples illustrate the main concepts.
• Abstract（参考訳）: 構造解析はペトリネット(PN)研究の中心であり、状態空間法を補完し、組み合わせの問題を回避する。 古典的なPNではよく研究されているが、ハイレベルペトリネット(HLPN)ではあまり研究されていない。 共通HLPN形式主義であるシンメトリクスネット(SN)は、コンパクトアノテーションを使用して行動対称性を符号化し、確率的SNに対して、記号的到達性グラフと関連するラム付きマルコフ連鎖を許容する。 過去20年間で、SNの特定の構造技術、特にSN表現ツールが出現し、紛争や因果関係といった象徴的な構造関係の計算を実装した。 我々はこの計算を用いて、鍵汎関数作用素の下で閉じた拡張SN形式(ESN)に対して、現在制限されたSNサブクラスに対してのみ可能である記号的構造不変量(英語版)を半自動検証する。 フローとアウトライン、少なくとも理論上は、フロー生成ファミリの構築方法に重点を置いています。 また、より広い範囲の不変プロパティを正式に検証するためのフレームワークをスケッチする。 代表的な例として、主な概念を挙げる。

関連論文リスト

• Foundations of Equivariant Deep Learning: Unifying Graph and Sheaf Neural Networks [0.0]
  我々は,標準グラフメッセージパッシングとせん断ニューラルネットワークを一般化する秩序等価ニューラルネットワーク(OENN)を開発した。 我々は、OENNをCENNまで拡張することができ、同変ニューラルネットワークの一般的な形を与えることを示す。
  論文  参考訳（メタデータ） (2026-07-04T09:59:11Z)
• Why Neural Network Can Discover Symbolic Structures with Gradient-based Training: An Algebraic and Geometric Foundation for Neurosymbolic Reasoning [73.18052192964349]
  我々は、連続的なニューラルネットワークトレーニングのダイナミックスから、離散的なシンボル構造が自然に現れるかを説明する理論的枠組みを開発する。 ニューラルパラメータを測度空間に上げ、ワッサーシュタイン勾配流としてモデル化することにより、幾何的制約の下では、パラメータ測度 $mu_t$ が2つの同時現象となることを示す。
  論文  参考訳（メタデータ） (2025-06-26T22:40:30Z)
• Stochastic Neural Network Symmetrisation in Markov Categories [2.0668277618112203]
  我々は、群準同型に沿ってニューラルネットワークをシンメトリする問題を考察する。 これをマルコフ圏の項で定式化する。 シンメトリションのためのフレキシブルで構成的な枠組みを得る。
  論文  参考訳（メタデータ） (2024-06-17T17:54:42Z)
• Scale Equivariant Graph Metanetworks [20.445135424921908]
  本稿では,入力が関数自身である学習機能という,新たな機械学習パラダイムについて述べる。 我々は、スケーリング対称性を取り入れたグラフメタネットワーク(メッセージパッシング)パラダイムを適用するフレームワークである、$textitScale Equivariant Graph MetaNetworks - ScaleGMNs$を提案する。
  論文  参考訳（メタデータ） (2024-06-15T16:41:04Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Frame Averaging for Invariant and Equivariant Network Design [50.87023773850824]
  フレーム平均化(FA)は、既知の(バックボーン)アーキテクチャを新しい対称性タイプに不変あるいは同変に適応するためのフレームワークである。 FAモデルが最大表現力を持つことを示す。 我々は,新しいユニバーサルグラフニューラルネット(GNN),ユニバーサルユークリッド運動不変点クラウドネットワーク,およびユークリッド運動不変メッセージパッシング(MP)GNNを提案する。
  論文  参考訳（メタデータ） (2021-10-07T11:05:23Z)
• Stability of Algebraic Neural Networks to Small Perturbations [179.55535781816343]
  Algebraic Neural Network (AlgNN) は、代数的信号モデルと関連する各層のカスケードで構成されている。 畳み込みという形式的な概念を用いるアーキテクチャは、シフト演算子の特定の選択を超えて、いかに安定であるかを示す。
  論文  参考訳（メタデータ） (2020-10-22T09:10:16Z)
• Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
  一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。 線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。 提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
  論文  参考訳（メタデータ） (2020-07-02T17:55:47Z)
• CSNE: Conditional Signed Network Embedding [77.54225346953069]
  署名されたネットワークは、友人/フォアや信頼/不信のようなエンティティ間の正と負の関係を符号化する。 サイン予測のための既存の埋め込み手法は、一般に最適化関数におけるステータスやバランス理論の異なる概念を強制する。 条件付き符号付きネットワーク埋め込み(CSNE)を導入する。 我々の確率論的アプローチは、きめ細かな詳細とは別途、ネットワーク内の記号に関する構造情報をモデル化する。
  論文  参考訳（メタデータ） (2020-05-19T19:14:52Z)

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。