Nov, 2022

可微模糊 ALC: 一种神经符号表示语言用于符号基础模型

PDF
TL;DR本文提出了可微模糊 ALC 作为神经符号表示语言并定义层次化损失和基于规则的损失函数用于符号接地问题的 DF-ALC，其实验结果表明 DF-ALC 可以以无监督的方式改善图像目标检测器的性能，即使在低资源情况下。
发现论文，激发创造
  • FALCON: 基于 ALC 本体的神经语义蕴含模型

    使用模糊逻辑算子生成任意 ALC 本体的模型结构并使用多个模型结构计算语义蕴涵，FALCON 可以实现对 ALC 本体的近似语义蕴涵，从而赋予神经网络世界模型和推理能力，提升生物医学领域中的机器学习。

    Aug, 2022

  • 利用可微逻辑程序语义学习一阶规则

    本研究提出一种名为 DFOL 的新型可微分归纳逻辑编程模型，通过搜索可解释的矩阵来从关系事实中找到正确的一阶逻辑程序，并将符号前向链接格式转换为 NN 约束函数，并采用梯度下降将 NN 的训练参数解码成精确的符号逻辑程序。

    Apr, 2022

  • 分析可微模糊蕴含关系

    本文研究了模糊逻辑推理符号在可微分学习中的应用，发现各种模糊推理符号在这种学习环境中并不适用，提出了一族新的模糊推理符号并证明其优于其他选择，最终实现了半监督学习。

    Jun, 2020

  • 基于概念语义的描述逻辑 ALC 推理

    本文通过使用范畴语言重新表达了具有一般 TBox 的描述逻辑 ALC 通常的集合论语义，从而为 ALC 的语义提供了一种更模块化的表示。我们展示了一个多项式空间的确定性算法用于检查概念满足性的子逻辑，该子逻辑在传统的集合论语义中是无法定义的。

    May, 2022

  • logLTN：对数空间中的可微模糊逻辑

    本文介绍了一种模糊算子的配置方案，用于在对数空间中端到端地完成基础公式的基础工作，并通过梯度下降进行优化，从而优于现有技术的现状，并表明新的修正对于实现这些结果是至关重要的。

    Jun, 2023

  • 任意 t - 范数上的模糊 Datalog$^\exists$

    神经符号人工智能领域的主要挑战之一是在神经和符号数据的存在下进行逻辑推理。本文通过将模糊 Datalog 的存在性规则推广到模糊设置，允许使用任意 t - 范数，在保持计算复杂度结果和已建立的推理技术适用性的同时，允许对与不确定度相关的数据进行推理。

    Mar, 2024

  • 神经符号系统的软化符号定位

    神经符号学习中的符号基础问题是人工智能中的一个基本问题。本文提出了一种新的、软化的符号基础过程，能够桥接神经网络训练和符号约束求解两个分离的领域，从而构建一个高效且有效的神经符号学习框架，并通过实验证明该框架具有优越的符号基础能力。

    Mar, 2024

  • 分析可微模糊逻辑运算符

    研究表明在半监督学习中，将符号方法和神经方法相结合，并且使用基于模糊逻辑的运算符，可以使神经网络加入先前的背景知识和逻辑推理从而提高性能。

    Feb, 2020

  • 深度学习中基于符号知识的语义损失函数

    本文提出了一种新颖的方法，利用符号知识进行深度学习，引入了语义损失函数来约束神经网络输出的逻辑，并且在半监督多分类和结构化对象预测任务中实验验证，取得了几乎最优的结果。

    Nov, 2017

  • 具有类似语义的逻辑中的量表和修饰语

    通过 Context Logic 和 Activation Bit Vector Machine，可以解决 Fuzzy Logic 对复杂公式的处理不足，VSA 模型则提供了基于向量符号体系结构的内在图像处理机制，本文研究了如何处理形容词和动词语义的等级。

    Jan, 2022