neuro-symbolic approaches | BriefGPT

关键词neuro-symbolic approaches

搜索结果 - 7

PhysORD: 基于神经符号方法的越野驾驶中融合物理的运动预测
通过将保守定律嵌入到数据驱动的神经模型中，我们提出了 PhysORD，一种用于越野驾驶中运动预测的神经符号方法。我们的实验证明，PhysORD 可以通过建模不确定性准确地预测车辆运动，并且可以容忍外部干扰。它在准确性和效率方面优于现有方法，
PDF3 months ago
利用大语言模型的推理解谜：一项调查研究
对大型语言模型（LLMs）在解谜方面的能力进行探索，揭示了它们在人工智能中的潜力和挑战，这是对其在复杂推理任务中适用性的重要一步。通过将谜题分为基于规则和非规则两类的独特分类法，该调查通过各种方法论（包括提示技术、神经符号方法和微调）对 L
PDF5 months ago
神经快速逻辑学习：从原始数据中快速学习
NeuralFastLAS 是一种可扩展且快速的端到端方法，能够联合训练神经网络和符号学习器，实现在任务中找到最优符号解的能力，并提供了理论结果和实验验证。
PDF9 months ago
基于神经符号方法的弱监督推理
深度学习在自然语言处理 (NLP) 任务中取得了显著进展，本研究提出了一种神经符号学习方法，将符号主义和连接主义两种人工智能学派相结合，通过强化学习或其弱化版本在下游任务中实现具有符号潜在结构的神经系统的弱监督推理。该框架已成功应用于表格查
PDF9 months ago
神经符号化 RDF 和描述逻辑推理器：现状和挑战
本文综述了在 RDF (S)、描述逻辑 EL 和 ALC，以及 OWL 2 RL 的支持下，基于神经符号推理的现有文献，讨论了采用的技术、解决的任务以及该领域的其他相关努力。
PDFa year ago
符号表示对于背景下少样本推理学习的影响
本研究的主要目标是使用预先训练的语言模型来进行推理，特别是在推理时使用解释以增强上下文学习。作者将神经符号方法重新引入到这个任务中，并将语言模型作为逻辑程序员，以在知识库中迭代推理。实验结果表明，相对于上下文学习策略， LMLP 在演绎和长
PDF2 years ago
符号作为人工智能可解释和可建议系统桥梁的通用语
本文旨在探讨 AI 系统内部是否需要使用符号来实现普遍的智能能力，无论是怎样的答案，人类可理解的符号在人工智能交互中显然是非常重要的。
PDF3 years ago