会员服务
POPL ·
2020 年 7 月 28 日
Local Variables and Quantum Relational Hoare Logic
翻译：本地变量和量量关系 Hoare 逻辑
Dominique Unruh
Dominique Unruh

We add local variables to quantum relational Hoare logic (Unruh, POPL 2019). We derive reasoning rules for supporting local variables (including an improved "adversary rule"). We extended the qrhl-tool for computer-aided verification of qRHL to support local variables and our new reasoning rules.


翻译：我们把本地变量添加到量子关系Hoare逻辑(Unruh, POPL 2019 ) 。 我们为支持本地变量制定推理规则(包括改进的“逆向规则 ” ) 。 我们扩展了qRHL计算机辅助验证工具,以支持本地变量和我们新的推理规则。
0
下载
关闭预览

相关内容

【CIKM2020】神经逻辑推理，Neural Logic Reasoning
【CIKM2020】神经逻辑推理，Neural Logic Reasoning
专知会员服务
49+阅读 · 2020年8月25日
图机器学习-图拉普拉斯算子的离散正则性，141页ppt，Discrete regularity graph Laplacians
专知会员服务
28+阅读 · 2020年6月4日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【论文推荐】张量图卷积网络的多关系和鲁棒学习，Tensor Graph Convolutional Networks for Multi-relational and Robust Learning
【论文推荐】张量图卷积网络的多关系和鲁棒学习，Tensor Graph Convolutional Networks for Multi-relational and Robust Learning
专知会员服务
25+阅读 · 2020年3月19日
【PUC-牛津-ICLR2020】图神经网络的逻辑表达性，The Logical Expressiveness of GNN
专知会员服务
28+阅读 · 2020年3月15日
【图机器学习论文】图神经网络的逻辑表达性（Logical Expressiveness of Graph Neural Networks）
【图机器学习论文】图神经网络的逻辑表达性（Logical Expressiveness of Graph Neural Networks）
专知会员服务
40+阅读 · 2019年12月30日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
移动端机器学习资源合集
移动端机器学习资源合集
专知
8+阅读 · 2019年4月21日
【TED】生命中的每一年的智慧
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
carla 学习笔记
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
可解释的CNN
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Reinforcement Learning Enhanced Quantum-inspired Algorithm for Combinatorial Optimization
Arxiv
4+阅读 · 2020年2月14日
Probabilistic Logic Neural Networks for Reasoning
Arxiv
7+阅读 · 2019年6月20日
Iteratively Learning Embeddings and Rules for Knowledge Graph Reasoning
Arxiv
7+阅读 · 2019年3月21日
Interpretable Convolutional Neural Networks via Feedforward Design
Interpretable Convolutional Neural Networks via Feedforward Design
Arxiv
4+阅读 · 2018年10月5日
Embedding Logical Queries on Knowledge Graphs
Embedding Logical Queries on Knowledge Graphs
Arxiv
5+阅读 · 2018年9月6日
Large Margin Structured Convolution Operator for Thermal Infrared Object Tracking
Large Margin Structured Convolution Operator for Thermal Infrared Object Tracking
Arxiv
5+阅读 · 2018年7月19日
An Interpretable Reasoning Network for Multi-Relation Question Answering
Arxiv
13+阅读 · 2018年6月1日
Working Memory Networks: Augmenting Memory Networks with a Relational Reasoning Module
Arxiv
5+阅读 · 2018年5月23日
Quantum generative adversarial networks
Arxiv
4+阅读 · 2018年4月30日
Not-So-CLEVR: Visual Relations Strain Feedforward Neural Networks
Arxiv
6+阅读 · 2018年2月12日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
POPL
相关VIP内容
【CIKM2020】神经逻辑推理，Neural Logic Reasoning
【CIKM2020】神经逻辑推理，Neural Logic Reasoning
专知会员服务
49+阅读 · 2020年8月25日
图机器学习-图拉普拉斯算子的离散正则性，141页ppt，Discrete regularity graph Laplacians
专知会员服务
28+阅读 · 2020年6月4日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【论文推荐】张量图卷积网络的多关系和鲁棒学习，Tensor Graph Convolutional Networks for Multi-relational and Robust Learning
【论文推荐】张量图卷积网络的多关系和鲁棒学习，Tensor Graph Convolutional Networks for Multi-relational and Robust Learning
专知会员服务
25+阅读 · 2020年3月19日
【PUC-牛津-ICLR2020】图神经网络的逻辑表达性，The Logical Expressiveness of GNN
专知会员服务
28+阅读 · 2020年3月15日
【图机器学习论文】图神经网络的逻辑表达性（Logical Expressiveness of Graph Neural Networks）
【图机器学习论文】图神经网络的逻辑表达性（Logical Expressiveness of Graph Neural Networks）
专知会员服务
40+阅读 · 2019年12月30日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
移动端机器学习资源合集
移动端机器学习资源合集
专知
8+阅读 · 2019年4月21日
【TED】生命中的每一年的智慧
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
carla 学习笔记
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
可解释的CNN
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Reinforcement Learning Enhanced Quantum-inspired Algorithm for Combinatorial Optimization
Arxiv
4+阅读 · 2020年2月14日
Probabilistic Logic Neural Networks for Reasoning
Arxiv
7+阅读 · 2019年6月20日
Iteratively Learning Embeddings and Rules for Knowledge Graph Reasoning
Arxiv
7+阅读 · 2019年3月21日
Interpretable Convolutional Neural Networks via Feedforward Design
Interpretable Convolutional Neural Networks via Feedforward Design
Arxiv
4+阅读 · 2018年10月5日
Embedding Logical Queries on Knowledge Graphs
Embedding Logical Queries on Knowledge Graphs
Arxiv
5+阅读 · 2018年9月6日
Large Margin Structured Convolution Operator for Thermal Infrared Object Tracking
Large Margin Structured Convolution Operator for Thermal Infrared Object Tracking
Arxiv
5+阅读 · 2018年7月19日
An Interpretable Reasoning Network for Multi-Relation Question Answering
Arxiv
13+阅读 · 2018年6月1日
Working Memory Networks: Augmenting Memory Networks with a Relational Reasoning Module
Arxiv
5+阅读 · 2018年5月23日
Quantum generative adversarial networks
Arxiv
4+阅读 · 2018年4月30日
Not-So-CLEVR: Visual Relations Strain Feedforward Neural Networks
Arxiv
6+阅读 · 2018年2月12日
Top
微信扫码咨询专知VIP会员
Top