关于最弱充分条件和最强必要条件下的双重忘却算子
本文研究了基于推理问题的相关性,探讨了语法和语义两种基本独立性形式,并讨论了它们的特点和缺陷,同时考虑了遗忘问题,提出了一种基于简化推理的知识库提取方法。
Jun, 2011
该研究讨论了如何在Answer Set Programming中进行强持续性遗忘,通过提出各种遗忘算子并探究其可行性、可行性不足时的替代方案以及与相对等价概念的关系,最终对其计算复杂性进行了详细研究。
Jul, 2017
本文描述了在使用ASP进行遗忘操作中,提出了第一个具体满足强持久性的运算符,该运算符具有许多重要性质,是一种句法运算符,可将遗忘操作的计算限制在包含要忘记的原子的规则中,从而自然地产生与原始程序接近的遗忘结果。
Jul, 2019
本研究探讨了机器学习系统中存在的灾难性遗忘问题,发现深层网络是导致遗忘的主要因素,并介绍了稳定深层网络的方法。实证分析表明,任务相似度与遗忘程度具有相关性。在标准的split-CIFAR-10设置上进行了实验,并引入了一个基于CIFAR-100的任务,近似实现了输入分布的转移,得到了一些有益的结论。
Jul, 2020
本研究综述了现有的 Answer Set Programming 遗忘操作及其属性,包括其在应用中的选择方法和计算结果的复杂性。
Jul, 2021
Answer Set Programming (ASP)是一种基于规则的语言,用于知识表示和推理,研究了忘记、简化和相关概念的关联以及引入了一种新的相对等效概念,提供了相对简化的必要和充分条件,并介绍了结合投影和适度遗忘来获得相对简化的操作符。
Dec, 2023
神经算法推理是一种新兴的研究方向,它赋予神经网络以逐步模拟算法执行的能力。本文的观察是,现有设计中的历史依赖性与算法推理任务的马尔可夫性质相矛盾。基于这一动机,我们提出了ForgetNet,它不使用历史嵌入,因此与任务的马尔可夫性质一致。为了解决ForgetNet在早期训练阶段的挑战,我们进一步引入了G-ForgetNet,使用门控机制来实现历史嵌入的选择性集成。这种增强的能力在模型的早期训练阶段提供了有价值的计算路径。基于CLRS-30算法推理基准,我们进行了大量实验证明,ForgetNet和G-ForgetNet相较于现有方法更具有泛化能力。此外,我们研究了门控机制的行为,突显了其与我们的直觉的一致性以及在稳健性能方面的有效性。
Mar, 2024
定义基于模型计数和概率论直觉的损失函数,研究了不同遗忘策略或不同遗忘算子的推理强度,并提出了用于计算损失度量的实用的知识工程工具,使用Problog进行了实证研究方法以及具体示例。
Apr, 2024