关键词neurosymbolic artificial intelligence
搜索结果 - 6
- 神经符号 AI 在网络入侵检测中的协同方法
融合神经符号人工智能（NSAI）和传统网络入侵检测系统（NIDS）的研究，通过分析网络流量数据类型和机器学习架构，展示了 NSAI 在提供对网络行为更深入洞察力方面的独特能力，从而改善了检测性能和系统的适应性。这种技术的融合不仅增强了传统 - 神经符号分类技术的概率推理复杂性
神经符号人工智能是一个不断发展的研究领域，旨在将神经网络学习能力与符号系统的推理能力相结合。知情多标签分类是神经符号人工智能的一个子领域，研究如何利用先前知识改进神经分类系统。该论文介绍了一个信息驱动的监督分类任务和技术的形式化描述，并基于 - 神经符号人工智能的验证与验证、测试和评估调查
神经符号人工智能（AI）是人工智能的新兴分支，结合了符号 AI 和亚符号 AI 的优势。调查了神经符号应用如何简化 V&V 过程，并对当前应用中常用的符号和亚符号组件进行了评估和分析。研究表明，神经符号 AI 利用符号 AI 的可能性有很大 - 神经符号强化学习与规划：综述
本文通过进行文献调查，以三个构成神经符号强化学习的组件为重点（神经网络、符号和强化学习），将研究作品进行分类，并分析其强化学习部分的组成。同时，发现了该领域中的研究机会和挑战。
- 神经符号人工智能用于生物医学知识图谱推理
本文调查了神经符号人工智能的杂交方法在生物医学领域的实用性和潜在益处，这些方法对于如药物重新定位等任务的 KG 完成 (KGC) 更为适合，因为生物医学数据集通常被建模为知识图谱 (KG) 以捕捉其多关系、异质性和动态属性。
- 基于神经符号人工智能 (NSAI) 算法的预测增材制造聚乳酸 (PLA) 试样冲击强度
本研究介绍了神经符号人工智能（NSAI）在预测增材制造聚乳酸（PLA）零件的撞击强度方面的应用，该应用结合了神经网络和符号人工智能的优势，比传统机器学习技术提供更强大和准确的预测，从而彰显了优化增材制造过程的潜力。