論文の概要: Survey on Applications of Neurosymbolic Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2209.12618v1
• Date: Thu, 8 Sep 2022 18:18:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 23:47:59.209284
• Title: Survey on Applications of Neurosymbolic Artificial Intelligence
• Title（参考訳）: ニューロシンボリック人工知能の応用に関する調査研究
• Authors: Djallel Bouneffouf, Charu C. Aggarwal
• Abstract要約: 本稿では,ニューロシンボリックな応用の分類法を導入し,各領域の最先端を概説する。 我々は、この急成長する分野の将来に関する重要なトレンドを特定し、新たな視点を提供する。
• 参考スコア（独自算出の注目度）: 37.7665470475176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, the Neurosymbolic framework has attracted a lot of attention in various applications, from recommender systems and information retrieval to healthcare and finance. This success is due to its stellar performance combined with attractive properties, such as learning and reasoning. The new emerging Neurosymbolic field is currently experiencing a renaissance, as novel frameworks and algorithms motivated by various practical applications are being introduced, building on top of the classical neural and reasoning problem setting. This article aims to provide a comprehensive review of significant recent developments in real-world applications of Neurosymbolic Artificial Intelligence. Specifically, we introduce a taxonomy of common Neurosymbolic applications and summarize the state-of-the-art for each of those domains. Furthermore, we identify important current trends and provide new perspectives pertaining to the future of this burgeoning field.
• Abstract（参考訳）: 近年、ニューロシンボリックフレームワークは、レコメンデーションシステムや情報検索から医療や金融に至るまで、様々なアプリケーションで多くの注目を集めている。 この成功は、その恒星的なパフォーマンスと、学習や推論といった魅力的な特性が組み合わさったためである。 新しいニューロシンボリック分野は、様々な実践的応用に動機づけられた新しいフレームワークとアルゴリズムが導入され、古典的なニューラルと推論の問題設定の上に構築されている。 本稿では,ニューロシンボリック人工知能の現実的応用における最近の重要な展開を概観する。 具体的には,共通神経シンボリック応用の分類法を紹介し,それらの領域の最先端を概説する。 さらに,現在,重要なトレンドを特定し,この急成長する分野の将来に関する新たな展望を提供する。

関連論文リスト

• Neural-Symbolic Reasoning over Knowledge Graphs: A Survey from a Query Perspective [55.79507207292647]
  知識グラフ推論は、データマイニング、人工知能、Web、社会科学など、さまざまな分野において重要である。 ニューラルAIの台頭は、深層学習の頑健さと象徴的推論の精度を融合させることで、大きな進歩を見せている。 大規模言語モデル(LLM)の出現により、知識グラフ推論の新しいフロンティアが開かれた。
  論文  参考訳（メタデータ） (2024-11-30T18:54:08Z)
• IID Relaxation by Logical Expressivity: A Research Agenda for Fitting Logics to Neurosymbolic Requirements [50.57072342894621]
  本稿では、ニューロシンボリック・ユースケースにおける既知のデータ依存と分布制約を利用する利点について論じる。 これは、ニューロシンボリックな背景知識と、その論理に必要とされる表現性に関する一般的な疑問を伴う新しい研究課題を開く。
  論文  参考訳（メタデータ） (2024-04-30T12:09:53Z)
• 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)
• Neurosymbolic AI and its Taxonomy: a survey [48.7576911714538]
  ニューロシンボリックAIは、古典的なAIやニューラルネットワークのようなシンボリック処理を組み合わせたモデルを扱う。 本研究は近年,本分野の研究論文を調査し,提案モデルと応用モデルとの分類と比較を行った。
  論文  参考訳（メタデータ） (2023-05-12T19:51:13Z)
• 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: Principles and Applications in Ophthalmology [20.693460748187906]
  ニューロシンボリックラーニング(NeSyL)の概念は、記号表現の側面を取り入れ、ニューラルネット(NeSyL)に共通の感覚をもたらす。 NeSyLは、ビデオや画像キャプション、質問回答と推論、健康情報学、ゲノム学など、解釈可能性、推論可能性、説明可能性が重要である領域において、有望な結果を示している。 このレビューでは、最先端のNeSyLアプローチ、その原則、機械学習およびディープラーニングアルゴリズムの進歩、オプタルモロジーのような応用、そして最も重要なのは、この新興分野の今後の展望について包括的に調査する。
  論文  参考訳（メタデータ） (2022-07-31T06:48:19Z)
• A Survey on Neural-symbolic Learning Systems [33.01131861279175]
  本研究の目的は,ニューラルシンボリック学習システムの進歩を4つの異なる視点から調査することである。 この研究は、研究者が包括的で総合的な概要を提供するために、この新たな分野を前進させることを目的としている。
  論文  参考訳（メタデータ） (2021-11-10T06:26:40Z)
• Neuro-Symbolic Artificial Intelligence Current Trends [7.329853242349448]
  主要なカンファレンスの最近の出版物を分類することで、現在のトレンドを構造化した概要を提供する。 この記事は、一般的なトピックを研究するための便利な出発点となることを意図しています。
  論文  参考訳（メタデータ） (2021-05-11T20:11:57Z)
• Attention, please! A survey of Neural Attention Models in Deep Learning [0.0]
  ディープラーニングの最先端は、いくつかのアプリケーションドメインの神経注意モデルによって表されます。 この調査は、神経注意モデルの発展の包括的な概要と分析を提供します。
  論文  参考訳（メタデータ） (2021-03-31T02:42:28Z)

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。