Fugu-MT 論文翻訳(概要): Defeasible reasoning in Description Logics: an overview on DL^N

論文の概要: Defeasible reasoning in Description Logics: an overview on DL^N

arxiv url: http://arxiv.org/abs/2009.04978v2
Date: Thu, 17 Sep 2020 14:37:31 GMT
ステータス: 処理完了
システム内更新日: 2022-10-20 03:37:42.849079
Title: Defeasible reasoning in Description Logics: an overview on DL^N
Title（参考訳）: 記述論理における難解推論:dl^nの概要
Authors: Piero A. Bonatti, Iliana M. Petrova, Luigi Sauro
Abstract要約: DLNについて概説し、基礎となる知識工学の要件と、DLNを連続したセマンティックおよび計算上の欠点から保護する特徴を解説する。また, DLNと他の非単調な意味論を比較し, KLMとDLNの関係を明らかにする。
参考スコア（独自算出の注目度）: 10.151828072611426
License: http://creativecommons.org/licenses/by/4.0/
Abstract: DL^N is a recent approach that extends description logics with defeasible reasoning capabilities. In this paper we provide an overview on DL^N, illustrating the underlying knowledge engineering requirements as well as the characteristic features that preserve DL^N from some recurrent semantic and computational drawbacks. We also compare DL^N with some alternative nonmonotonic semantics, enlightening the relationships between the KLM postulates and DL^N.
Abstract（参考訳）: DL^Nは、記述ロジックを非実現可能な推論能力で拡張する最近のアプローチである。本稿では,DL^Nについて概説し,その基盤となる知識工学的要件と,DL^Nを連続的セマンティックおよび計算上の欠点から保護する特徴について述べる。また, DL^Nと他の非単調な意味論を比較し, KLM仮定とDL^Nの関係を明らかにする。

関連論文リスト

P-FOLIO: Evaluating and Improving Logical Reasoning with Abundant Human-Written Reasoning Chains [97.25943550933829]
P-FOLIO(P-FOLIO)は、多種多様で複雑な推論連鎖からなる人称注釈付きデータセットである。我々はP-FOLIOを用いて大規模言語モデル推論機能の評価と改善を行う。
論文参考訳（メタデータ） (2024-10-11T19:22:57Z)
Neuro-Symbolic Integration Brings Causal and Reliable Reasoning Proofs [95.07757789781213]
LLMの複雑な推論には2行のアプローチが採用されている。 1行の作業は様々な推論構造を持つLLMを誘導し、構造出力は自然に中間推論ステップと見なすことができる。他方の行では、LCMのない宣言的解法を用いて推論処理を行い、推論精度は向上するが、解法のブラックボックスの性質により解釈性に欠ける。具体的には,Prologインタプリタが生成した中間検索ログにアクセスし,人間可読推論に解釈可能であることを示す。
論文参考訳（メタデータ） (2023-11-16T11:26:21Z)
LINC: A Neurosymbolic Approach for Logical Reasoning by Combining Language Models with First-Order Logic Provers [60.009969929857704]
論理的推論は、科学、数学、社会に潜在的影響を与える可能性のある人工知能にとって重要なタスクである。本研究では、LINCと呼ばれるモジュール型ニューロシンボリックプログラミングのようなタスクを再構成する。我々は,FOLIOとProofWriterのバランスの取れたサブセットに対して,ほぼすべての実験条件下で,3つの異なるモデルに対して顕著な性能向上を観察した。
論文参考訳（メタデータ） (2023-10-23T17:58:40Z)
Querying Circumscribed Description Logic Knowledge Bases [9.526604375441073]
循環は非単調な記述論理を定義する主要なアプローチの1つである。本研究は, (U)CQ 評価における DL KB の判定可能性を示す。また、より単純な原子クエリ(AQ)についても研究する。
論文参考訳（メタデータ） (2023-06-07T15:50:15Z)
Visual Chain of Thought: Bridging Logical Gaps with Multimodal Infillings [61.04460792203266]
本稿では, 逐次データ内の論理的ギャップを埋めるために, 視覚言語による接地を促進させる, チェーン・オブ・シントを利用する新しい手法であるVCoTを紹介する。本手法は,下流タスクの論理的ギャップを低減するために,一貫した情報と新しい情報を加える合成マルチモーダル埋め込みを生成するために視覚誘導を用いる。
論文参考訳（メタデータ） (2023-05-03T17:58:29Z)
Logic of Differentiable Logics: Towards a Uniform Semantics of DL [1.1549572298362787]
論理的仕様を満たすためにニューラルネットワークを訓練する方法として、微分論理(DL)が提案されている。本稿では、微分可能論理学(LDL)と呼ばれるDLを定義するメタ言語を提案する。我々は,既存のDLの理論的特性を確立するためにLDLを使用し,ニューラルネットワークの検証において実験的な研究を行う。
論文参考訳（メタデータ） (2023-03-19T13:03:51Z)
NELLIE: A Neuro-Symbolic Inference Engine for Grounded, Compositional, and Explainable Reasoning [59.16962123636579]
本稿では,Prologベースの推論エンジンを新たに提案する。我々は手作りのルールを、ニューラルネットワークモデリング、ガイド付き生成、半密検索の組み合わせで置き換える。我々の実装であるNELLIEは、完全に解釈可能なエンドツーエンドの基底QAを示す最初のシステムである。
論文参考訳（メタデータ） (2022-09-16T00:54:44Z)
Expressivity of Planning with Horn Description Logic Ontologies (Technical Report) [12.448670165713652]
我々は、記述論理(DL)オントロジーを計画することで定式化されたオープンワールドな状態制約に対処する。派生述語を用いた標準PDDLへの新しいコンパイル方式を提案する。提案手法は,DLで計画する既存のベンチマークよりも優れていることを示す。
論文参考訳（メタデータ） (2022-03-17T14:50:06Z)
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)
A Rational Entailment for Expressive Description Logics via Description Logic Programs [3.198144010381572]
我々は、表現的記述論理(DL)のための合理的なエンテーメントのモデル化方法を示す。非単調なDL知識ベースを記述論理プログラム(dlプログラム)にコンパイルする。
論文参考訳（メタデータ） (2021-06-28T14:35:42Z)
SAT-Based Rigorous Explanations for Decision Lists [17.054229845836332]
決定リスト(DL)は、機械学習(ML)の分類問題のための幅広い用途を見つけます。解釈性はいくつかのdlにとって不可解な目標であると主張する。本稿では,dlsの計算説明は計算困難であることを示す。
論文参考訳（メタデータ） (2021-05-14T12:06:12Z)

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。