Fugu-MT 論文翻訳(概要): Machine Learning is Abduction Inference

論文の概要: Machine Learning is Abduction Inference

arxiv url: http://arxiv.org/abs/2206.07586v1
Date: Wed, 15 Jun 2022 15:09:00 GMT
ステータス: 処理完了
システム内更新日: 2022-06-16 13:20:34.427728
Title: Machine Learning is Abduction Inference
Title（参考訳）: 機械学習はアブダクション推論である
Authors: Marina Sapir
Abstract要約: ここでは、Pirceの誘惑推論の一形態として、グラデーテッド・コントラクテーションによるアブダクションの概念を紹介している。このような基準の最小化として、吸引手順の共通ステップも規定する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Concept of Abduction with Gradated Contradictions is introduced here as a form of Peirce's abduction inference. The general form of abduction criterion is formalized in the proposed Logic of Gradated Contradictions and Logic of Recursive Aggregation. Common steps of an abduction procedure as minimization of such a criterion are specified as well. It is demonstrated on examples of 14 popular textbook learners (from hierarchical clustering to k-NN and SVR) that each of them performs AGC. The proposed theory explains real life learners, yet it avoids any mention of statistics, so it can be considered as a logical alternative to the statistical learning theory.
Abstract（参考訳）: 階調矛盾を持つアブダクションの概念は、ピアースのアブダクション推論の形式として導入された。アブダクション基準の一般的な形式は、階調された矛盾の論理と再帰的アグリゲーションの論理で定式化される。このような基準の最小化としての吸引手順の共通ステップも規定する。 14の教科書学習者(階層クラスタリングからk-NN,SVR)の例で,それぞれがAGCを実行することを示した。提案した理論は実生活学習者を説明するが、統計学への言及は避けており、統計学習理論の論理的な代替と見なすことができる。

関連論文リスト

Advancing Abductive Reasoning in Knowledge Graphs through Complex Logical Hypothesis Generation [43.26412690886471]
本稿では,知識グラフを用いた帰納的論理的推論への最初のステップとして,複雑な論理的仮説生成の課題を紹介する。教師付き学習された生成モデルは、参照仮説に構造的に近い論理仮説を生成することができる。本稿では, 知識グラフによる強化学習(Reinforcement Learning from Knowledge Graph, RLF-KG)手法を提案する。
論文参考訳（メタデータ） (2023-12-25T08:06:20Z)
A Unified Generalization Analysis of Re-Weighting and Logit-Adjustment for Imbalanced Learning [129.63326990812234]
そこで本研究では,データ依存型コンダクタンス(Data-dependent contraction)と呼ばれる手法を提案する。この技術に加えて、不均衡学習のための微粒な一般化境界が確立され、再重み付けとロジット調整の謎を明らかにするのに役立つ。
論文参考訳（メタデータ） (2023-10-07T09:15:08Z)
A Theory of Unsupervised Speech Recognition [60.12287608968879]
教師なし音声認識(英語: Unsupervised speech Recognition, ASR-U)は、音声のみの音声とテキストのみのコーパスから自動音声認識システムを学習する問題である。本稿では,ランダム行列理論とニューラル・タンジェント・カーネルの理論に基づいて,ASR-U系の特性を研究するための一般的な理論的枠組みを提案する。
論文参考訳（メタデータ） (2023-06-09T08:12:27Z)
Learnability with PAC Semantics for Multi-agent Beliefs [38.88111785113001]
推論と帰納の緊張は、おそらく哲学、認知、人工知能といった分野において最も根本的な問題である。 Valiant氏は、学習の課題は推論と統合されるべきである、と認識した。古典的な包含よりも弱いが、クエリに応答する強力なモデル理論のフレームワークを可能にする。
論文参考訳（メタデータ） (2023-06-08T18:22:46Z)
Abductive Commonsense Reasoning Exploiting Mutually Exclusive Explanations [118.0818807474809]
帰納的推論は、イベントのもっともらしい説明を見つけることを目的としている。自然言語処理における帰納的推論のための既存のアプローチは、しばしば監督のために手動で生成されたアノテーションに依存している。この研究は、ある文脈に対して、説明のサブセットのみが正しいという事実を活用する、帰納的コモンセンス推論のアプローチを提案する。
論文参考訳（メタデータ） (2023-05-24T01:35:10Z)
Towards Understanding the Mechanism of Contrastive Learning via Similarity Structure: A Theoretical Analysis [10.29814984060018]
Kernel Contrastive Learning (KCL) と呼ばれるカーネルベースのコントラスト学習フレームワークについて検討する。本稿では,統計的依存関係の観点から学習表現の類似性構造を定式化する。下流タスクの分類誤差の新しい上限を示し、これは我々の理論が比較学習の実証的成功と一致することを説明している。
論文参考訳（メタデータ） (2023-04-01T21:53:29Z)
Connection-minimal Abduction in EL via Translation to FOL -- Technical Report [12.90382979353427]
本稿では,接続最小仮説のクラスを音速で完全な方法で計算する方法を示す。本手法は一階述語論理への翻訳に基づいて,素数含意に基づく仮説を構築する。
論文参考訳（メタデータ） (2022-05-17T15:50:27Z)
Visual Abductive Reasoning [85.17040703205608]
帰納的推論は、部分的な観察の可能な限りの可能な説明を求める。本稿では,日常的な視覚的状況下でのマシンインテリジェンスの帰納的推論能力を調べるために,新たなタスクとデータセットであるVisual Abductive Reasoning(VAR)を提案する。
論文参考訳（メタデータ） (2022-03-26T10:17:03Z)
Sequent-Type Calculi for Systems of Nonmonotonic Paraconsistent Logics [2.627046865670577]
シーケント型証明システムにおいて、最小の矛盾に基づく非単調パラ一貫性論理の族に対する一様公理を導入する。パラドックスの3値最小矛盾論理と、アリエリとアヴロンによる4値パラドックス推論関係について、シークエント型計算を提供する。
論文参考訳（メタデータ） (2020-09-22T00:49:52Z)
Learning explanations that are hard to vary [75.30552491694066]
例を越えた平均化は、異なる戦略を縫合する記憶とパッチワークのソリューションに有利であることを示す。そこで我々は論理ANDに基づく単純な代替アルゴリズムを提案し,実験的に検証する。
論文参考訳（メタデータ） (2020-09-01T10:17:48Z)
L2R2: Leveraging Ranking for Abductive Reasoning [65.40375542988416]
学習システムの帰納的推論能力を評価するために,帰納的自然言語推論タスク(alpha$NLI)を提案する。新たな$L2R2$アプローチは、Learning-to-rankフレームワークの下で提案されている。 ARTデータセットの実験は、公開リーダボードの最先端に到達します。
論文参考訳（メタデータ） (2020-05-22T15:01:23Z)

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。