本論文では、組合せ制約下での公平な選択メカニズムを研究する。代表的な制約として、ナップサック制約やマトロイド制約を考え、これらの制約の下で公平性を満たしつつ良好な近似保証を持つメカニズムを提案する。
多エージェントディベートにおいて、エージェントをグループに分割し、グループ内でのディベートと各グループ間での情報共有を行うことで、トークンコストを大幅に削減しつつ、精度の向上も実現できる。
LTLf 式の最小の不満足コアを効率的に列挙する新しい手法を提案する。この手法は、Answer Set Programming (ASP) の最小の不満足部分集合 (MUS) の列挙を利用することで実現される。
3つのボックスのラベルが間違っているため、正しい果物を選択する必要がある
設計プロセスと設計対象を記述・定義するための一貫性のある厳密な言語の開発が重要である。
P-NALは、2つのタイプの推論パスを活用して、エンティティ間の類似性を推論し、反復的にエンティティとリレーションのアライメントを行う手法である。