关键词neural-symbolic framework
搜索结果 - 4
- TLINet: 可微分神经网络时态逻辑推理
TLINet 是一个神经符号框架,用于学习 Signal Temporal Logic 公式。该框架不仅学习 STL 公式的结构,还学习参数,具有解释性、紧凑性、表达能力丰富和计算效率高等优势。
- 神经符号化视频问答:为现实世界视频问答学习组合的时空推理
该研究提出了一种针对实际视频问答任务的神经符号框架(NS-VideoQA),通过引入场景解析网络(SPN)和符号推理机(SRM),实现了对复合时空问题的高效推理和回答能力的提升。
- 一种将自我监督聚类和能量模型相统一的贝叶斯方法
通过贝叶斯分析,我们对最先进的自监督学习目标进行了研究,提出了一种从第一原理推导这些目标的标准化方法,并表明将自监督学习与基于似然的生成模型进行整合的自然方式。我们在集群自监督学习和能量模型的领域内验证了这一概念,并引入了一种新的下界,可可 - ICLR符号语言中的绑定语言模型
提出 Binder,一种基于神经符号方法的框架,采用 GPT-3 Codex 作为输入的语言模型,通过少量标注建立程序,实现对丰富的问题进行回答,取得了在 WikiTableQuestions 和 TabFact 两个数据集上的最先进结果。