May, 2019

神经马尔可夫逻辑网络

PDF
TL;DR介绍了一种神经马尔可夫逻辑网络 (NMLNs) 的统计关系学习系统，其借鉴了马尔可夫逻辑的思想，通过神经网络隐式表示逻辑规则作为关系结构上的潜在势函数，克服了基于神经符号方法的嵌入缺失等问题，在知识库补全、三元组分类和分子 (图) 数据生成方面有较大的应用潜力。
neural markov logic networksstatistical relational learningpotential functionknowledge-base completionmolecular data
发现论文，激发创造
  • 概率逻辑神经网络推理

    该论文提出了一种基于 Markov Logic Network 和知识图谱嵌入方法的概率逻辑神经网络 (pLogicNet) 来推理缺失的三元组，该方法结合了两种技术的优点，并通过多重知识图实验证明了其优越性。

    Jun, 2019

  • 神经逻辑机器

    该论文提出了神经逻辑机（NLM）这种结合神经网络和逻辑编程的神经符号架构用于归纳学习和逻辑推理，在小规模排序等任务上进行训练后，可以推广到大规模任务并在如家庭树和排序等任务中取得了优异表现。

    Apr, 2019

  • 基于图神经网络的高效概率逻辑推理

    本研究探讨了 Markov 逻辑网络和图神经网络的组合，并使用图神经网络进行 MLN 中的变分推理。研究提出了一种名为 ExpressGNN 的 GNN 变体，并通过多个基准数据集的广泛实验表明，ExpressGNN 在有效和高效的概率逻辑推理方面具有领先优势。

    Jan, 2020

  • 对马尔可夫逻辑网络在音乐信号分析中的适用性的关键分析

    本文分析了一些将 MLNs 用于音乐分析的提案，比较了它们与用（动态）贝叶斯网络表述音乐依赖关系的实际劣势，并认为 MLNs 不太适合于所提出的音乐应用，尤其是在涉及连续观测序列数据时。最后还表明了这些提案背后的思想可以在（动态）贝叶斯网络框架中很好地表达。

    Jan, 2020

  • 具有逻辑神经网络的神经符号归纳逻辑编程

    采用逻辑神经网络学习归纳逻辑规则，得出高度可解释且具有灵活参数化以适应数据的规则。

    Dec, 2021

  • 只需添加功能：神经符号语言模型

    本文提出了一种方法来增强神经网络语言模型的归纳偏好，即通过将简单的函数结合到神经体系结构中形成分层神经符号语言模型，进而显著降低小语料库语言建模的困惑度，并证明其表现提高在更大的语料库中也会持续提升。

    Dec, 2019

  • 通过神经逻辑网络学习算法

    提出了一种基于布尔逻辑代数的深度神经网络学习模型，建立了神经逻辑网络模型，可以显式地学习和解释逻辑函数，特别是用于归纳逻辑编程问题的新框架。通过在测试任务上的表现比较，证明了所提供的模型在元素算法任务上的有效性，并且可用于一些基准任务，如有序列表上的排序、十进制加法和乘法。

    Apr, 2019

  • 逻辑神经网络

    我们提出了一种新的框架，无缝提供神经网络（学习）和符号逻辑（知识和推理）的关键属性，每个神经元都有权重实值逻辑公式的组成部分，得到了高度可解释的分离表示，推理是全向的而不是集中在预定义的目标变量上，对应于逻辑推理，包括经典的一阶逻辑定理证明作为特殊情况。

    Jun, 2020

  • 神经马尔科夫逻辑

    近期 AI 的快速进展主要是由于神经网络架构的创新推动。本文提出了一种工具，旨在辅助进一步创新架构的设计，并简单而准确地表达其结构。我们提出了基于马尔可夫逻辑和 Prolog 的语言 Neural Markov Prolog (NMP)，作为一种桥梁，既能连接一阶逻辑和神经网络设计，也能方便生成和展示图片、文本、关系数据库或其他目标数据类型及其组合的架构。

    Nov, 2023

  • 关系神经机器

    本文介绍了一种新颖的框架 Relational Neural Machines，它可以对学习器的参数和基于一阶逻辑的推理器进行联合训练，下面将介绍其在大规模关系任务中的可行性和良好效果。

    Feb, 2020