論文の概要: On the Complexity of Learning Description Logic Ontologies
- arxiv url: http://arxiv.org/abs/2103.13694v1
- Date: Thu, 25 Mar 2021 09:18:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-26 20:37:56.589538
- Title: On the Complexity of Learning Description Logic Ontologies
- Title(参考訳): 記述論理オントロジー学習の複雑さについて
- Authors: Ana Ozaki
- Abstract要約: オントロジーはドメイン知識、特に生命科学に関連する領域における知識を表現する一般的な方法である。
学習理論から正確な学習モデルとおそらく正しい学習モデルの形式的な仕様を提供します。
- 参考スコア(独自算出の注目度): 14.650545418986058
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ontologies are a popular way of representing domain knowledge, in particular,
knowledge in domains related to life sciences. (Semi-)automating the process of
building an ontology has attracted researchers from different communities into
a field called "Ontology Learning". We provide a formal specification of the
exact and the probably approximately correct learning models from computational
learning theory. Then, we recall from the literature complexity results for
learning lightweight description logic (DL) ontologies in these models.
Finally, we highlight other approaches proposed in the literature for learning
DL ontologies.
- Abstract(参考訳): オントロジーはドメイン知識、特に生命科学に関連する領域における知識を表現する一般的な方法である。
(半)オントロジーを構築する過程の自動化は、異なるコミュニティの研究者を「オントロジー学習」という分野に引き寄せている。
計算学習理論から得られた正確かつほぼ正しい学習モデルの正式な仕様を提供する。
そして、これらのモデルにおける軽量記述論理(DL)オントロジーを学習するための文献複雑性結果から記憶する。
最後に,DLオントロジーの学習における文献的アプローチについて述べる。
関連論文リスト
- Combining Machine Learning and Ontology: A Systematic Literature Review [0.0]
我々は、機械学習と体系的推論の統合を調査する記事のレビューを行った。
目的は、インダクティブ推論(私たちによって実行された)を人工知能システムに組み込む技術を特定することである。
論文 参考訳(メタデータ) (2024-01-15T14:56:04Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - Reorganizing Educational Institutional Domain using Faceted Ontological
Principles [0.0]
本研究は,図書館分類システムと言語手法の違いが,特定の分野にどのような影響を及ぼすかを明らかにすることを目的とする。
特定のドメイン固有のオントロジーには、知識表現と言語を使用します。
この構造は問題解決の助けとなるだけでなく、複雑なクエリを簡単に扱えることを示すのにも役立ちます。
論文 参考訳(メタデータ) (2023-06-17T09:06:07Z) - Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。
本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
論文 参考訳(メタデータ) (2022-11-30T03:44:15Z) - MRKL Systems: A modular, neuro-symbolic architecture that combines large
language models, external knowledge sources and discrete reasoning [50.40151403246205]
巨大な言語モデル(LM)は、自然言語ベースの知識タスクのゲートウェイとして機能する、AIの新しい時代を支えている。
離散的な知識と推論モジュールによって補完される、複数のニューラルモデルによる柔軟なアーキテクチャを定義する。
本稿では,MRKL(Modular Reasoning, Knowledge and Language)システムと呼ばれる,このニューロシンボリックアーキテクチャについて述べる。
論文 参考訳(メタデータ) (2022-05-01T11:01:28Z) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳(メタデータ) (2021-05-29T21:02:44Z) - Learning Description Logic Ontologies. Five Approaches. Where Do They
Stand? [14.650545418986058]
我々は、記述論理(DL)の作成のために提案された機械学習とデータマイニングのアプローチを強調した。
これらは関連ルールマイニング、形式的概念分析、帰納的論理プログラミング、計算学習理論、ニューラルネットワークに基づいている。
論文 参考訳(メタデータ) (2021-04-02T18:36:45Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳(メタデータ) (2020-12-15T16:29:49Z) - A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。
そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文 参考訳(メタデータ) (2020-09-25T12:01:53Z) - Plausible Reasoning about EL-Ontologies using Concept Interpolation [27.314325986689752]
本稿では,モデル理論の明確な意味論に基づく帰納的機構を提案する。
我々は、カテゴリーベース誘導の認知モデルと密接に関連している強力なコモンセンス推論機構である推論に焦点を当てた。
論文 参考訳(メタデータ) (2020-06-25T14:19:41Z) - Knowledge Patterns [19.57676317580847]
本稿では,公理に富む形式オントロジー構築を支援する新しい手法である「知識パターン」について述べる。
知識パターンは、形式オントロジーの構造に関する重要な洞察を提供する。
それらを使って構築されたテクニックとアプリケーションを説明し、その強みと弱点を批判する。
論文 参考訳(メタデータ) (2020-05-08T22:33:30Z)
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。