論文の概要: Inductive logic programming at 30

• arxiv url: http://arxiv.org/abs/2102.10556v1
• Date: Sun, 21 Feb 2021 08:37:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-24 12:09:59.484245
• Title: Inductive logic programming at 30
• Title（参考訳）: 30歳で帰納論理プログラミング
• Authors: Andrew Cropper, Sebastijan Duman\v{c}i\'c, Richard Evans, and Stephen H. Muggleton
• Abstract要約: インダクティブ・ロジック・プログラミング(Inductive logic programming、ILP)は、論理ベースの機械学習の一種である。 我々は, (i) 新しいメタレベル探索法, (ii) 述語化のための新しいアプローチ, (iv) 異なる技術の利用に焦点を当てた。 ILPの現在の限界について論じ、今後の研究の方向性について論じる。
• 参考スコア（独自算出の注目度）: 22.482292439881192
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inductive logic programming (ILP) is a form of logic-based machine learning. The goal of ILP is to induce a hypothesis (a logic program) that generalises given training examples and background knowledge. As ILP turns 30, we survey recent work in the field. In this survey, we focus on (i) new meta-level search methods, (ii) techniques for learning recursive programs that generalise from few examples, (iii) new approaches for predicate invention, and (iv) the use of different technologies, notably answer set programming and neural networks. We conclude by discussing some of the current limitations of ILP and discuss directions for future research.
• Abstract（参考訳）: インダクティブ・ロジック・プログラミング(Inductive logic programming、ILP)は、論理ベースの機械学習の一種である。 ILPの目標は、与えられたトレーニング例と背景知識を一般化する仮説(論理プログラム)を誘導することです。 ILPが30歳になると、フィールドでの最近の作業を調査します。 本調査では, (i) メタレベルの探索手法, (ii) 少数の例から一般化した再帰的プログラムの学習手法, (iii) 発明を述語する新しいアプローチ, (iv) 様々な技術, 特に解集合プログラミングとニューラルネットワークの利用に焦点を当てた。 ILPの現在の限界について論じ、今後の研究の方向性について論じる。

関連論文リスト

• From Decoding to Meta-Generation: Inference-time Algorithms for Large Language Models [63.188607839223046]
  この調査は、推論中に計算をスケールするメリットに焦点を当てている。 我々はトークンレベルの生成アルゴリズム、メタジェネレーションアルゴリズム、効率的な生成という3つの領域を統一的な数学的定式化の下で探索する。
  論文  参考訳（メタデータ） (2024-06-24T17:45:59Z)
• Towards LogiGLUE: A Brief Survey and A Benchmark for Analyzing Logical Reasoning Capabilities of Language Models [56.34029644009297]
  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。 LLMは誘導的推論において最も優れているが、誘導的推論では最も効果が低い。 モデルの性能を評価するため,シングルタスクトレーニング,マルチタスクトレーニング,および「チェーンオブ思考」知識蒸留細調整技術について検討した。
  論文  参考訳（メタデータ） (2023-10-02T01:00:50Z)
• Bayesian Learning for Neural Networks: an algorithmic survey [95.42181254494287]
  この自己完結型調査は、ベイズ学習ニューラルネットワークの原理とアルゴリズムを読者に紹介する。 アクセシブルで実践的な視点からこのトピックを紹介します。
  論文  参考訳（メタデータ） (2022-11-21T21:36:58Z)
• Learning logic programs by combining programs [24.31242130341093]
  我々は、小さな非分離型プログラムを学習し、それらを組み合わせるアプローチを導入する。 我々は制約駆動型LPシステムにアプローチを実装した。 ゲームプレイやプログラム合成など,複数の領域に対する実験により,既存のアプローチを劇的に上回る結果が得られた。
  論文  参考訳（メタデータ） (2022-06-01T10:07:37Z)
• Meta Learning for Natural Language Processing: A Survey [88.58260839196019]
  ディープラーニングは自然言語処理(NLP)分野において主要な技術である。 ディープラーニングには多くのラベル付きデータが必要です。 メタ学習は、より良いアルゴリズムを学ぶためのアプローチを研究する機械学習の分野である。
  論文  参考訳（メタデータ） (2022-05-03T13:58:38Z)
• A Critical Review of Inductive Logic Programming Techniques for Explainable AI [9.028858411921906]
  インダクティブ論理プログラミング(英: Inductive Logic Programming、ILP)は、人工知能のサブフィールドである。 ILPは、例と背景知識から説明可能な一階クラッサル理論を生成する。 既存のILPシステムは、しばしば広大な解空間を持ち、誘導された解はノイズや乱れに非常に敏感である。
  論文  参考訳（メタデータ） (2021-12-31T06:34:32Z)
• Learning logic programs through divide, constrain, and conquer [22.387008072671005]
  古典的な分母探索と近代的な制約駆動探索を組み合わせた帰納論理プログラミング手法を提案する。 3つのドメイン(分類、帰納的汎用ゲームプレイ、プログラム合成)に対する実験により、我々のアプローチは予測精度を高め、学習時間を短縮できることが示された。
  論文  参考訳（メタデータ） (2021-09-16T09:08:04Z)
• A Review of Uncertainty Quantification in Deep Learning: Techniques, Applications and Challenges [76.20963684020145]
  不確実性定量化(UQ)は、最適化と意思決定プロセスの両方において不確実性の低減に重要な役割を果たしている。 ビザレ近似とアンサンブル学習技術は、文学において最も広く使われている2つのUQ手法である。 本研究は, 深層学習におけるUQ手法の最近の進歩を概観し, 強化学習におけるこれらの手法の適用について検討する。
  論文  参考訳（メタデータ） (2020-11-12T06:41:05Z)
• Inductive logic programming at 30: a new introduction [18.27510863075184]
  帰納論理プログラミング(英: Inductive logic programming、ILP)は、機械学習の一種である。 本稿では,必要な論理的表記法と主学習設定を紹介する。 また、ILPシステムの構築ブロックを記述し、複数のシステムを比較した。
  論文  参考訳（メタデータ） (2020-08-18T13:09:25Z)
• The ILASP system for Inductive Learning of Answer Set Programs [79.41112438865386]
  我々のシステムは、通常の規則、選択規則、厳しい制約を含むアンサーセットプログラムを学習する。 まず、ILASPの学習フレームワークとその機能の概要を説明します。 続いて、ILASPシステムの進化を概観する。
  論文  参考訳（メタデータ） (2020-05-02T19:04:12Z)
• Turning 30: New Ideas in Inductive Logic Programming [18.581514902689346]
  帰納論理プログラミングは、データから論理プログラムを誘導する機械学習の一種である。 少数の事例から一般化したプログラムの学習方法に焦点をあてる。 また、帰納論理プログラミングにおける今後の研究の方向性についても論じる。
  論文  参考訳（メタデータ） (2020-02-25T16:23:11Z)

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。