BriefGPT.xyz
Ask
alpha
关键词
neuro-symbolic integration
搜索结果 - 4
简单有效的神经符号融合的转移学习
深度学习与神经符号整合是解决深度学习普适性和推理任务的挑战，通过预训练神经模型并通过迁移学习注入感知部分的权重，可以改善当前神经符号方法中的收敛速度、复杂感知任务的学习难度和局部最小值问题。
PDF
5 months ago
模糊逻辑视觉网络（FLVN）：一种神经符号化的视觉特征匹配方法
神经符号集成与学习深度神经网络的能力相结合，通过逻辑张量网络（LTN）来整合逻辑公理的背景知识。本研究介绍了模糊逻辑视觉网络（FLVN），它在神经符号逻辑张量网络框架中制定了学习视觉语义嵌入空间任务，通过引入先前知识（类别层次结构和宏类别）
→
PDF
a year ago
利用多实例弱监督学习潜在模型
本文针对监督信号由多输入实例上的标签的转移函数 σ 生成的弱监督学习方案，提出了多实例偏标签学习（multi-instance PLL）问题，并给出了对于可能的未知转移 σ 的第一理论分析。通过使用一种在神经符号学中广泛使用的顶部 - k
→
PDF
a year ago
超越近似：通过可微组合求解器对编码约束进行可解释的多跳推理
Diff-Comb Explainer 揭示了现有的不可区分的解算器、转换器和现有的不可区分的约束多跳推理框架中的精度和可解释性改进，是一种基于 Differentiable BlackBox Combinatorial solvers (
→
PDF
2 years ago
Prev
Next