MMOct, 2019

一种基于逻辑和神经网络的框架，用于研究神经系统疾病的进化

PDF
TL;DR该研究提出了一种结合机器学习和 Answer Set Programming 技术的新框架，以便于帮助医生和研究人员理解神经疾病的复杂机制，并在神经疾病演化模拟任务中发挥重要作用。
answer set programmingmachine learningneurological disordersbrain evolution simulationbioinformatics
发现论文，激发创造
  • NeurASP：将神经网络融入 Answer Set Programming

    NeurASP 是一种简单的扩展答案集程序的方法，它综合了神经网络的子符号计算和符号计算。它可以利用预训练的神经网络进行符号计算并通过应用答案集程序中的符号推理来提高神经网络的感知结果。此外，通过使用 ASP 规则训练神经网络，它还可以从规则表达的复杂语义约束中学习，以便神经网络不仅可以从数据的隐式相关性中学习，还可以从规则表达的显式约束中学习。

    Jul, 2023

  • 逻辑与学习之桥：一种增强神经模型推理能力的神经符号方法 (ASPER)

    该研究通过融合神经网络和符号推理的神经符号学习方法，以提高神经模型在推理任务上的性能，通过整合 ASP 求解器和领域特定专业知识来训练浅层人工神经网络（ANN）以解决数独难题，有效提高了训练效率，超参数调优无需 12 个数独练习即可显著改善数独难题的解决能力，该研究结果表明该模型的增强推理能力在实际应用中具有潜在的广泛领域应用。

    Dec, 2023

  • 可解释的答案集编程

    人工智能的可解释性越来越受到关注，本研究试图填补 Answer-set Programming 中的解释支持的空白，并通过扩展语言支持和开发新的解释形式（如对比解释）来推进可解释 ASP 的研究。

    Aug, 2023

  • 使用答案集编程对心理学知识的形式化及其应用

    本文介绍了如何使用 ASP 建立心理学领域的知识形式化，以更加准确的研究、比较和验证理论。作者应用 ASP 技术，对短期记忆机制进行了形式化描述，进而预测用户与图形界面的交互。

    Jul, 2010

  • 使用答案集规划检测大型生物网络的不一致性

    使用 ASP 在大型生物网络中检测不一致性，基于高通量细胞活动的生化 / 遗传反应的一致性，检查大规模数据集的一致性并确定冲突的最小表示，可用于识别不可靠数据或指示缺失反应。

    Jul, 2010

  • 回答应答集规划中的 “为什么” - 解释方法综述

    该论文为对 ASP 的解释性研究做出了概述。主要关注 ASP 的不同解释方式及其异同，并探讨其在未来的成功应用中的重要性。

    Sep, 2018

  • 面向流推理的答案集编程

    通过使用 ASP 技术，本研究在解决物联网、传感器技术、连续数据流、流推理等领域中的关键问题。

    Jan, 2013

  • 一种神经符号化方法用于自然语言理解

    通过启用预训练语言模型的深度神经网络，在系统 1 和系统 2 的理论支持下，实现了基于神经和符号处理的类比推理和逻辑推理，并在数值推理的两种自然语言理解任务中显著优于现有的最先进方法。

    Mar, 2022

  • 利用答案集程序设计的技术提升抽象论证系统

    本文通过实验比较了原有编码与新的 metasp 编码，提供了最近引入的基于解析的基础语义的新编码，结果表明 metasp 方法在编码问题的复杂性适当反映的情况下表现良好。

    Aug, 2011

  • 一个便于应用嵌入 Answer Set Programming 的开发框架

    该研究论文介绍了一种将 Answer Set Programming（ASP）的知识表示和推理能力整合到通用应用程序中的框架，并且展示了在不同平台的 ASP 系统中，特定化该框架的正确方法，包括移动平台和教育场景，并开发了几个基于 ASP 的应用程序。

    Jul, 2017