論文の概要: Meta-Interpretive Learning as Metarule Specialisation

• arxiv url: http://arxiv.org/abs/2106.07464v1
• Date: Wed, 9 Jun 2021 16:01:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-20 16:14:10.356778
• Title: Meta-Interpretive Learning as Metarule Specialisation
• Title（参考訳）: メタルールスペシャライゼーションとしてのメタ解釈学習
• Authors: Stassa Patsantzis and Stephen H. Muggleton
• Abstract要約: メタ解釈学習のための2次メタルールをMILで学習可能であることを示す。 ユーザ定義のソートメタルールは、言語クラスにおける最も一般的な行列メタルールの特殊化によって導出可能であることを示す。 我々は、自動的に派生したメタルールが、ユーザ定義メタルールを置き換えることができると結論付けた。
• 参考スコア（独自算出の注目度）: 8.680676599607125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In Meta-Interpretive Learning (MIL) the metarules, second-order datalog clauses acting as inductive bias, are manually defined by the user. In this work we show that second-order metarules for MIL can be learned by MIL. We define a generality ordering of metarules by $\theta$-subsumption and show that user-defined sort metarules are derivable by specialisation of the most-general matrix metarules in a language class; and that these matrix metarules are in turn derivable by specialisation of third-order punch metarules with variables that range over the set of second-order literals and for which only an upper bound on their number of literals need be user-defined. We show that the cardinality of a metarule language is polynomial in the number of literals in punch metarules. We re-frame MIL as metarule specialisation by resolution. We modify the MIL metarule specialisation operator to return new metarules rather than first-order clauses and prove the correctness of the new operator. We implement the new operator as TOIL, a sub-system of the MIL system Louise. Our experiments show that as user-defined sort metarules are progressively replaced by sort metarules learned by TOIL, Louise's predictive accuracy is maintained at the cost of a small increase in training times. We conclude that automatically derived metarules can replace user-defined metarules.
• Abstract（参考訳）: メタ解釈学習(Meta-Interpretive Learning, MIL)では, メタルール, 誘導バイアスとして機能する2階データログ節は, ユーザが手動で定義する。 本研究では,MIL の2次メタルールを MIL で学習可能であることを示す。 我々はメタルールの一般性順序を$\theta$-subsumptionで定義し、ユーザー定義のソートメタルールは言語クラスにおける最も一般的なマトリックスメタルールの特殊化によって導出可能であることを示し、これらのマトリックスメタルールは、第2次リテラルの集合にまたがる変数を持つ第3次パンチメタルールの特殊化によって導出可能であり、リテラル数の上限だけをユーザー定義する必要があることを示した。 メタルール言語の濃度は、パンチメタルールのリテラル数における多項式であることを示す。 我々はMILをメタルールの特殊化として再編成する。 我々は、MILメタルール特殊化演算子を1次節ではなく新しいメタルールを返すように修正し、新しい演算子の正しさを証明する。 MILシステムLouiseのサブシステムであるTOILとして,新しい演算子を実装した。 実験の結果,ユーザ定義のソートメタルールはTOILで学習したソートメタルールに徐々に置き換えられるため,Louiseの予測精度はトレーニング時間の少ないコストで維持されることがわかった。 自動派生メタルールはユーザ定義メタルールを置き換えることができる。

関連論文リスト

• Symbolic Working Memory Enhances Language Models for Complex Rule Application [87.34281749422756]
  大規模言語モデル(LLM)は、顕著な推論性能を示しているが、多段階の推論に苦慮している。 本稿では,外部ワーキングメモリを用いたLLMの拡張と,ルール適用のためのニューロシンボリックフレームワークを提案する。 当社のフレームワークは,LLMベースのルール実装とシンボリックルールグラウンディングを反復的に実施する。
  論文  参考訳（メタデータ） (2024-08-24T19:11:54Z)
• ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Reasoning [107.61997887260056]
  そこで我々は,知識グラフ上の論理ルールをマイニングするための大規模言語モデルの力を解き放つ新しいフレームワークChatRuleを提案する。 具体的には、このフレームワークは、KGのセマンティック情報と構造情報の両方を活用するLLMベースのルールジェネレータで開始される。 生成されたルールを洗練させるために、ルールランキングモジュールは、既存のKGから事実を取り入れてルール品質を推定する。
  論文  参考訳（メタデータ） (2023-09-04T11:38:02Z)
• MetaFill: Text Infilling for Meta-Path Generation on Heterogeneous Information Networks [7.501059084460409]
  Heterogeneous Information Network (HIN) は、複数のエッジタイプとノードタイプを含む複雑なネットワークを研究するために不可欠である。 既存のメタパス生成アプローチでは、HINのリッチテキスト情報を十分に活用することはできない。 メタパス生成のためのテキスト埋込型アプローチであるMetaFillを提案する。
  論文  参考訳（メタデータ） (2022-10-14T03:34:09Z)
• Truly Unordered Probabilistic Rule Sets for Multi-class Classification [0.0]
  真に順序のない規則集合に対するTURSを提案する。 まず、真に順序のない規則集合を学習する問題を定式化する。 次に、ルールを慎重に成長させることでルール集合を学習する2相アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-06-17T14:34:35Z)
• Automating Defeasible Reasoning in Law [0.0]
  ルールベースのシステム、特に法的な規範と契約について、デファシブルな推論について研究する。 我々は、ルールがどのように相互作用し、どのようにオーバーライドされるかを指定するルール修飾子を識別する。 次に、これらの修飾子を排除した規則変換を定義し、規則を公式に翻訳する。
  論文  参考訳（メタデータ） (2022-05-15T17:14:15Z)
• Neuro-Symbolic Hierarchical Rule Induction [12.610497441047395]
  Inductive Logic Programming (ILP) 問題を解決するために, 効率的な解釈可能なニューロシンボリックモデルを提案する。 階層構造で組織されたメタルールの集合から構築されたこのモデルでは、メタルールの事実や体述と一致するように埋め込みを学習することで、一階規則が発明される。 我々は, 様々な課題(ILP, 視覚ゲノム, 強化学習)において, 最先端の手法に対して, モデルの有効性を実証的に検証した。
  論文  参考訳（メタデータ） (2021-12-26T17:02:14Z)
• Learning Symbolic Rules for Reasoning in Quasi-Natural Language [74.96601852906328]
  我々は,ルールを手作業で構築することなく,自然言語入力で推論できるルールベースシステムを構築した。 本稿では,形式論理文と自然言語文の両方を表現可能な"Quasi-Natural"言語であるMetaQNLを提案する。 提案手法は,複数の推論ベンチマークにおける最先端の精度を実現する。
  論文  参考訳（メタデータ） (2021-11-23T17:49:00Z)
• MetaDelta: A Meta-Learning System for Few-shot Image Classification [71.06324527247423]
  数ショット画像分類のための新しいメタ学習システムであるMetaDeltaを提案する。 MetaDeltaの各メタラーナーは、バッチトレーニングによって微調整された独自の事前訓練エンコーダと、予測に使用されるパラメータフリーデコーダで構成されている。
  論文  参考訳（メタデータ） (2021-02-22T02:57:22Z)
• Breaking the Deadly Triad with a Target Network [80.82586530205776]
  致命的な三脚とは、政治以外の学習、関数近似、ブートストラップを同時に使用するときの強化学習アルゴリズムの不安定性を指す。 我々は,二段階最適化を使わずに,非制限的かつ変化的な動作ポリシーの下で,最初の収束線形$Q$-learningアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2021-01-21T21:50:10Z)
• BOML: A Modularized Bilevel Optimization Library in Python for Meta Learning [52.90643948602659]
  BOMLはモジュール化された最適化ライブラリで、いくつかのメタ学習アルゴリズムを共通の双方向最適化フレームワークに統合する。 さまざまなイテレーションモジュールとともに階層的な最適化パイプラインを提供し、メタ学習メソッドの主流カテゴリを解決するために使用できる。
  論文  参考訳（メタデータ） (2020-09-28T14:21:55Z)
• Local Nonparametric Meta-Learning [28.563015766188478]
  メタ学習の主目的は、一連のタスクにまたがる迅速な適応を可能にする学習ルールを見つけることである。 グローバルな、固定サイズの表現は、ある種類のアウト・オブ・ディストリビューションタスクに直面すると、しばしば失敗する。 本稿では,メタ学習ルールを利用した非パラメトリックなメタ学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-02-09T03:28:27Z)

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。