neuro-symbolic reasoning | BriefGPT

关键词neuro-symbolic reasoning

搜索结果 - 6

预训练的视觉语言模型学习可发现的视觉概念
视觉语言模型能够预测图像中的视觉概念，例如 'brown'（颜色）和'spiky'（纹理），这种免费学习的能力可以广泛应用于神经符号推理或人可解释的对象分类。通过定义和评估视觉概念的新策略，我们证实预训练的视觉语言模型通过文字提示可以提取出
PDF3 months ago
球面神经网络用于合理推理
通过在计算构件中将向量泛化为球体，我们提出了球形神经网络（SphNNs）进行人类级推理，包括主义推理、逻辑推理、事件推理、神经符号推理和幽默理解。这项工作认为，球体的非零半径是阻止传统深度学习系统进入理性推理领域，并使得大型语言模型在幻觉的
PDF3 months ago
自动生成建筑方案设计的零射频序列神经符号推理
该研究介绍了一种新型的自动生成建筑原理图设计的自动化系统，旨在简化多户型房地产开发项目初期的复杂决策过程。利用生成式人工智能（神经推理）和数学程序求解器（符号推理）的综合优势，该方法解决了建筑原理图设计中依赖专家知识和技术挑战的问题，通过模
PDF5 months ago
Bongard-OpenWorld: 现实世界中自由形式视觉概念的少样本推理
我们引入了 Bongard-OpenWorld，这是一个用于评估机器视觉领域的真实世界少样本推理的新基准。它继承了经典的 Bongard 问题的少样本概念归纳，并添加了两个新的挑战层：一是开放世界的自由形式概念，二是真实世界的图像。然而，目
PDF9 months ago
dPASP：面向神经符号学习和推理的全面可微概率答案集编程环境
我们提出了 dPASP，一种新颖的声明性概率逻辑编程框架，用于可微的神经符号推理。该框架允许使用神经谓词、逻辑约束和区间值概率选择来指定离散概率模型，从而支持低级知觉（图像、文本等）、常识推理和（模糊的）统计知识的模型。我们讨论了可以表达非
PDFa year ago
LogicRank: 逻辑诱导的生成式文本到图像系统重排序
本研究介绍了当前文本生成图像模型的问题并提出了使用神经符号推理框架 LogicRank，以更精确的方式对当前存在的一些问题进行重新排序以便在理性化情境中的使用。
PDF2 years ago