Fugu-MT 論文翻訳(概要): On Counting Graphs for Modal Logic with Counting

論文の概要: On Counting Graphs for Modal Logic with Counting

arxiv url: http://arxiv.org/abs/2610.26187v1
Date: Mon, 19 Oct 2026 11:17:34 GMT
ステータス: 情報取得中
システム内更新日: 2026-10-20 22:32:04.417447
Title: On Counting Graphs for Modal Logic with Counting
Title（参考訳）: 数量付きモーダル論理グラフの計数について
Abstract要約: グラフニューラルネットワークによって正に分類された木やグラフを数えることの理論的計算複雑性について検討する。
参考スコア（独自算出の注目度）: 9.732863739456036
License:
Abstract: In this paper, we study the theoretical computational complexity of counting trees and graphs that are classified positively by a graph neural networks, or said equivalently that satisfy a given formula of modal logic with counting. We also study convergence.
Abstract（参考訳）: 本稿では,グラフニューラルネットワークによって正に分類された木やグラフを数えることの理論的計算複雑性について検討する。収束も研究している。

関連論文リスト

On the Complexity of Entailment for Cumulative Propositional Dependence Logics [5.3909333359654275]
本稿では, 累積命題依存論理と累積命題依存論理と, チームの意味論による複雑性結果の確立と証明を行う。最近示されているように、累積論理はSystemCによって特徴づけられ、クラウス、リーマン、マギドールの累積モデルによって正確に捉えられている。
論文参考訳（メタデータ） (2026-05-20T12:46:13Z)
Query Languages for Machine-Learning Models [7.343886246061387]
重み付き有限構造の2つの論理について論じる。これらの論理で表現できるニューラルネットワークに対するクエリの例を示す。
論文参考訳（メタデータ） (2026-01-14T11:15:09Z)
Lecture Notes on Verifying Graph Neural Networks [10.812772606528172]
まず、グラフニューラルネットワークと一階述語論理や次数修飾論理などの論理との接続を思い出す。次に、グラフニューラルネットワークの検証タスクを解決するために、線形不等式に数えるモーダル論理を提案する。本稿では,その論理の満足度問題に対するアルゴリズムについて述べる。
論文参考訳（メタデータ） (2025-10-13T16:57:20Z)
LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
論文参考訳（メタデータ） (2023-09-24T05:43:19Z)
A Modal Logic for Explaining some Graph Neural Networks [0.0]
各式が等価グラフニューラルネットワーク(GNN)に変換可能であることを示す。また、満足度問題は決定可能であることも示している。
論文参考訳（メタデータ） (2023-07-11T10:13:25Z)
Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文) 論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
論文参考訳（メタデータ） (2022-07-04T14:38:49Z)
Graphical Calculi and their Conjecture Synthesis [0.0]
この論文は、図形学と代数幾何学やガロア理論のような分野の間の新しいリンクを鍛える際に、そのような推論と検証の枠組みを導入している。計算 RING は環をベースとした四角形電卓の中では初期であり、相準同型ペアの導入と分類にもインスピレーションを与えている。 2つ目は、ZX の (EU) のような非線形規則の必要性を排除し、任意の量子ビット回転を自然に表現するエッジデコレーションされた電卓 ZQ である。
論文参考訳（メタデータ） (2020-10-08T11:54:44Z)
LogicalFactChecker: Leveraging Logical Operations for Fact Checking with Graph Module Network [111.24773949467567]
ファクトチェックに論理演算を活用するニューラルネットワークアプローチであるLogicalFactCheckerを提案する。大規模なベンチマークデータセットであるTABFACT上での最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2020-04-28T17:04:19Z)
Evaluating Logical Generalization in Graph Neural Networks [59.70452462833374]
グラフニューラルネットワーク(GNN)を用いた論理一般化の課題について検討する。ベンチマークスイートであるGraphLogでは、学習アルゴリズムが異なる合成論理でルール誘導を実行する必要がある。モデルが一般化し適応する能力は、トレーニング中に遭遇する論理規則の多様性によって強く決定される。
論文参考訳（メタデータ） (2020-03-14T05:45:55Z)
Can Graph Neural Networks Count Substructures? [53.256112515435355]
グラフニューラルネットワーク(GNN)の能力について,属性付きグラフサブ構造をカウントする能力を用いて検討する。我々は2種類のサブストラクチャカウントを区別する: インダクションサブグラフカウントとサブグラフカウント、および人気のあるGNNアーキテクチャに対する肯定的および否定的な回答である。
論文参考訳（メタデータ） (2020-02-10T18:53:30Z)

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。