Mar, 2023

可微逻辑的逻辑：朝向 DL 统一语义的发展

PDF
TL;DR本文介绍了一种名为 Differentiable Logics 的方法，它使用神经网络满足逻辑规范。作者提出了一种元语言，称为 Differentiable Logics 的逻辑，它可以定义 Differentiable Logics 中的指标函数。还提出了用于理论分析和实证研究现有 Differentiable Logics 的一般性语言。
differentiable logicsneural networkstraininglogic of differentiable logicsneural network verification
发现论文，激发创造
  • 神经网络训练和验证的可微逻辑

    该论文讨论如何使用可微逻辑（Differentiable logics）来训练神经网络以满足逻辑条件，并以此保证其正确性。

    Jul, 2022

  • 比较可微分逻辑用于学习系统的研究预览

    通过将背景知识编码为逻辑约束，用可微分逻辑指导学习过程，创造性地满足约束的机器学习模型进行了比较和评估，并提出了未来工作的开放问题。

    Nov, 2023

  • 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

  • DL-Lite 家族与关系

    本文通过五个方面来深入系统地研究原始 DL-Lite 逻辑的扩展中的推理，分别是添加布尔连接符和数字限制到概念构造中，允许角色层次结构，允许角色的互斥、对称性、非对称性、自反性、反自反性和传递性约束，并接受或放弃同一性假设，同时分析了语言的可满足复杂性，验证数据复杂性和回答反面存在性查询的数据复杂性。

    Jan, 2014

  • 带有抽象和细化功能的描述逻辑

    提出一种将抽象级别作为一等公民并提供概念和角色的抽象和细化的显式运算符的 DLs 扩展，它可以支持多个抽象级别上的知识表示，并证明在这个扩展的 DLs 家族中推理是可判定的，而一些看似无害的变化则是不可判定的。

    Jun, 2023

  • 一份描述逻辑入门

    该论文介绍了描述逻辑的主要概念和特点，包括例子、语法和语义，并概述了轻量级描述逻辑语言、Web 本体语言 OWL 的关系以及更多阅读指南。

    Jan, 2012

  • 可微逻辑机

    该研究提出了一种新型神经逻辑架构，可以解决归纳逻辑编程和深度强化学习问题，其能够提供完全可解释的解决方案并能够在测试阶段得到更好的运行表现。

    Feb, 2021

  • 可微元逻辑编程

    提出了可以解决元推理问题的不同 iable 逻辑元解释器 (DLMI)。DLMI 采用可微分的前向推理方法来实现元解释器，从而可以在对象级推理和元推理之间进行切换，并能够自我学习。通过 “修复 Kandinsky 图案” 等实验任务，表明 DLMI 在元推理和对象级推理之间的转换能力。

    Nov, 2022

  • 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

  • DeepLogic: 基于端到端可微分的逻辑推理

    探索如何使用基于 RNN 的迭代神经网络将符号逻辑定义为字符级逻辑程序，使其在高维向量空间中学习推理，进一步分析学习推理算法如何产生逻辑程序中的原子、文字和规则表示，并针对谓词和常量符号的长度以及多次跳跃推理的步数进行评估。

    May, 2018