論文の概要: A Survey on Neural-symbolic Systems
- arxiv url: http://arxiv.org/abs/2111.08164v1
- Date: Wed, 10 Nov 2021 06:26:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-21 14:56:31.526316
- Title: A Survey on Neural-symbolic Systems
- Title（参考訳）: ニューラルシンボリックシステムに関する調査
- Authors: Dongran Yu, Bo Yang, Dayou Liu and Hui Wang
- Abstract要約: 高知覚知能と認知知能を持つニューラルシンボリックシステムは、研究コミュニティへの関心が高まっている。
本稿では,4次元のニューラルシンボリックシステム(組み合わせの必要性,技術的課題,方法,応用)に関する最新の研究について調査する。
- 参考スコア（独自算出の注目度）: 7.167844992805077
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, neural systems have demonstrated superior perceptual
intelligence through highly effective learning, but their reasoning
capabilities remain poor. In contrast, symbolic systems have exceptional
cognitive intelligence through efficient reasoning, but their learning
capabilities are poor. In this case, an ideal intelligent system--a
neural-symbolic system--with high perceptual and cognitive intelligence through
powerful learning and reasoning capabilities gains a growing interest in the
research community. Combining the fast computation ability of neural systems
and the powerful expression ability of symbolic systems, neural-symbolic
systems can perform effective learning and reasoning in multi-domain tasks,
demonstrating concurrent perception and cognition capabilities in intelligent
systems. This paper surveys the latest research in neural-symbolic systems
along four dimensions: the necessity of combination, technical challenges,
methods, and applications. This paper aims to help advance this emerging area
of research by providing researchers with a holistic and comprehensive view,
highlighting the state of art and identifying the opportunities.
- Abstract（参考訳）: 近年、ニューラルネットワークは、非常に効果的な学習を通じて優れた知覚知性を示しているが、その推論能力は乏しいままである。
対照的に、シンボリックシステムは効率的な推論を通じて例外的な認知知性を持つが、その学習能力は乏しい。
この場合、強力な学習と推論能力を通じて、知覚的および認知的知能の高い理想的知能システム(ニューラルシンボリックシステム)が研究コミュニティへの関心を高めます。
ニューラルネットワークの高速計算能力とシンボリックシステムの強力な表現能力を組み合わせたニューラルシンボリックシステムは、多領域タスクにおいて効果的な学習と推論を実行し、インテリジェントシステムにおける同時知覚と認識能力を示すことができる。
本稿では,4次元のニューラルシンボリックシステム(組み合わせの必要性,技術的課題,方法,応用)に関する最新の研究について調査する。
本稿は, 研究者に総合的かつ総合的な視点を与え, 芸術の現状を強調し, 機会を特定することにより, 新たな研究分野の展開を支援することを目的とする。
関連論文リスト
- Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。
提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。
提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文 参考訳（メタデータ） (2024-07-05T14:11:28Z) - Simple and Effective Transfer Learning for Neuro-Symbolic Integration [50.592338727912946]
この問題の潜在的な解決策はNeuro-Symbolic Integration (NeSy)であり、ニューラルアプローチとシンボリック推論を組み合わせる。
これらの手法のほとんどは、認識をシンボルにマッピングするニューラルネットワークと、下流タスクの出力を予測する論理的論理的推論を利用する。
それらは、緩やかな収束、複雑な知覚タスクの学習困難、局所的なミニマへの収束など、いくつかの問題に悩まされている。
本稿では,これらの問題を改善するための簡易かつ効果的な方法を提案する。
論文 参考訳（メタデータ） (2024-02-21T15:51:01Z) - Hebbian Learning based Orthogonal Projection for Continual Learning of
Spiking Neural Networks [74.3099028063756]
我々は,側方接続とヘビアン学習に基づくニューラル操作を用いた新しい手法を開発した。
我々は,反復する側方接続におけるヘビアン学習と反ヘビアン学習が,神経活動の主部分空間を効果的に抽出できることを示した。
我々の手法は、ほとんど忘れることなくニューラルネットワークをスパイクするために一貫して解決する。
論文 参考訳（メタデータ） (2024-02-19T09:29:37Z) - A Review of Findings from Neuroscience and Cognitive Psychology as
Possible Inspiration for the Path to Artificial General Intelligence [0.0]
本論は,神経科学と認知心理学の手法を検討することによって,人工知能の探求に貢献することを目的とする。
深層学習モデルによって達成された印象的な進歩にもかかわらず、抽象的推論と因果的理解にはまだ欠点がある。
論文 参考訳（メタデータ） (2024-01-03T09:46:36Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Non-equilibrium physics: from spin glasses to machine and neural
learning [0.0]
障害のある多体系は様々なスケールで幅広い創発現象を示す。
我々は、統計物理学を通して、乱れたシステムにおけるそのような突発的な知性を特徴付けることを目指している。
知的システムを設計するための指針となる学習メカニズムと物理力学の関係を明らかにする。
論文 参考訳（メタデータ） (2023-08-03T04:56:47Z) - Brain-inspired learning in artificial neural networks: a review [5.064447369892274]
人工ニューラルネットワークにおける脳にインスパイアされた学習表現について概説する。
これらのネットワークの能力を高めるために, シナプス可塑性などの生物学的に妥当な機構の統合について検討する。
論文 参考訳（メタデータ） (2023-05-18T18:34:29Z) - Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。
NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
論文 参考訳（メタデータ） (2022-10-28T04:38:10Z) - Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。
本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。
NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-05-25T12:41:59Z) - Neurosymbolic AI: The 3rd Wave [1.14219428942199]
AIの信頼、安全性、解釈可能性、説明責任に関する懸念は、影響力のある思想家によって提起された。
多くは、知識表現と推論を深層学習に統合する必要性を認識している。
ニューラル・シンボリック・コンピューティングは、推論と説明可能性を備えた堅牢な学習をニューラルネットワークで組み合わせようとする研究の活発な領域である。
論文 参考訳（メタデータ） (2020-12-10T18:31:38Z)
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。