論文の概要: SMT + ILP
- arxiv url: http://arxiv.org/abs/2001.05208v1
- Date: Wed, 15 Jan 2020 10:09:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 05:48:53.841829
- Title: SMT + ILP
- Title(参考訳): SMT + ILP
- Authors: Vaishak Belle
- Abstract要約: 我々は、満足度モジュロ理論技術を活用して、帰納的宣言型プログラミングを再考する。
本稿では、満足度変調理論技術を活用して、帰納的宣言型プログラミングを再考する。
- 参考スコア(独自算出の注目度): 12.47276164048813
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inductive logic programming (ILP) has been a deeply influential paradigm in
AI, enjoying decades of research on its theory and implementations. As a
natural descendent of the fields of logic programming and machine learning, it
admits the incorporation of background knowledge, which can be very useful in
domains where prior knowledge from experts is available and can lead to a more
data-efficient learning regime. Be that as it may, the limitation to Horn
clauses composed over Boolean variables is a very serious one. Many phenomena
occurring in the real-world are best characterized using continuous entities,
and more generally, mixtures of discrete and continuous entities. In this
position paper, we motivate a reconsideration of inductive declarative
programming by leveraging satisfiability modulo theory technology.
- Abstract(参考訳): 帰納的論理プログラミング(ILP)はAIにおいて非常に影響力のあるパラダイムであり、その理論と実装に関する数十年の研究を楽しみ続けている。
論理プログラミングと機械学習の分野の自然な子孫として、バックグラウンド知識の取り込みを認めており、専門家からの事前の知識が利用可能であり、よりデータ効率のよい学習体制につながるドメインで非常に有用である。
仮にそうであるように、ブール変数上で構成されるホーン節の制限は非常に深刻である。
現実世界で起こる多くの現象は、連続体、より一般的には離散体と連続体の混合によって特徴づけられる。
本稿では, 帰納的宣言型プログラミングの再考を, 充足可能なモジュラー理論技術を用いて動機づける。
関連論文リスト
- Empower Nested Boolean Logic via Self-Supervised Curriculum Learning [67.46052028752327]
大規模言語モデルを含む事前学習された言語モデルは、多言語論理に直面するランダムセレクタのように振る舞う。
この基本的能力で言語モデルを強化するために,本稿では,新たな自己教師付き学習手法であるtextitCurriculum Logical Reasoning (textscClr) を提案する。
論文 参考訳(メタデータ) (2023-10-09T06:54:02Z) - Towards LogiGLUE: A Brief Survey and A Benchmark for Analyzing Logical
Reasoning Capabilities of Language Models [58.76688462256284]
大規模言語モデル(LLM)は、形式的知識表現(KR)システムの様々な制限を克服する能力を示した。
一つのタスクトレーニング,複数タスクトレーニング,および思考知識の蒸留微調整手法の連鎖について検討し,異なる論理的推論カテゴリにおけるモデルの性能を評価する。
論文 参考訳(メタデータ) (2023-10-02T01:00:50Z) - When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。
具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。
コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
論文 参考訳(メタデータ) (2023-08-29T17:22:39Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Some Preliminary Steps Towards Metaverse Logic [0.8594140167290096]
我々は、現実と架空の基盤となるアプリケーションドメインの両方で発生する状況を扱うのに十分強力なロジックの現在の仕事について検討する。
議論は比較的非公式なレベルで維持され、自然言語の用語における理論的概念の背後にある直観を常に伝えようと試みた。
論文 参考訳(メタデータ) (2023-07-10T09:13:22Z) - Towards Invertible Semantic-Preserving Embeddings of Logical Formulae [1.0152838128195467]
論理的要件とルールの学習と最適化は、人工知能において常に重要な問題である。
現在のメソッドは、カーネルメソッドを介して効果的なセマンティック保存の埋め込みを構築することができるが、それらが定義するマップは可逆ではない。
本稿では,グラフ変分オートエンコーダフレームワークに基づく深層アーキテクチャを応用した埋め込みの逆変換法について述べる。
論文 参考訳(メタデータ) (2023-05-03T10:49:01Z) - Dual Box Embeddings for the Description Logic EL++ [18.779933562725635]
知識グラフ(KG)と同様に、知識グラフはしばしば不完全であり、それらの維持と構築は困難であることが証明された。
KGsと同様に、有望なアプローチは、潜在ベクトル空間への埋め込みを学習し、基礎となるDLのセマンティクスに固執することである。
そこで本研究では,概念と役割をボックスとして表現した,DL EL++用のBox$2$ELという新しいオントロジー埋め込み手法を提案する。
論文 参考訳(メタデータ) (2023-01-26T14:13:37Z) - Neuro-Symbolic Inductive Logic Programming with Logical Neural Networks [65.23508422635862]
我々は最近提案された論理ニューラルネットワーク(LNN)を用いた学習規則を提案する。
他のものと比較して、LNNは古典的なブール論理と強く結びついている。
標準ベンチマークタスクの実験では、LNNルールが極めて解釈可能であることを確認した。
論文 参考訳(メタデータ) (2021-12-06T19:38:30Z) - Non-ground Abductive Logic Programming with Probabilistic Integrity
Constraints [2.624902795082451]
本稿では,変数の確率的推論に対処する,よりリッチな論理言語について考察する。
まず, 分配セマンティックスに基づいて, 全体としての帰納的言語とその意味を提示する。
次に,前述したものを拡張して得られた証明手順を導入し,その健全性と完全性を証明する。
論文 参考訳(メタデータ) (2021-08-06T10:22:12Z) - Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。
我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。
主アルゴリズムの正確性と収束性を保証する。
論文 参考訳(メタデータ) (2021-02-01T01:13:03Z) - Symbolic Logic meets Machine Learning: A Brief Survey in Infinite
Domains [12.47276164048813]
推論と帰納の緊張は、おそらく哲学、認知、人工知能といった分野において最も根本的な問題である。
本稿では,論理の限界に対する見解に挑戦する結果について報告し,無限領域での学習において論理が果たす役割を明らかにする。
論文 参考訳(メタデータ) (2020-06-15T15:29:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。