Fugu-MT 論文翻訳(概要): The Path to Autonomous Learners

論文の概要: The Path to Autonomous Learners

arxiv url: http://arxiv.org/abs/2211.02403v1
Date: Fri, 4 Nov 2022 12:18:58 GMT
ステータス: 処理完了
システム内更新日: 2022-11-07 15:41:53.403507
Title: The Path to Autonomous Learners
Title（参考訳）: 自律学習者への道
Authors: Hanna Abi Akl
Abstract要約: 知的システムによるドメイン知識の獲得を可能にするための新しい理論的アプローチを提案する。本稿では,知識グラフデータベースを通じて概念,記憶,理由の上位オントロジーという形で,最小限の入力知識から始まるハイブリッドモデルを紹介し,論理ニューラルネットワークを用いて新しい情報を学ぶ。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we present a new theoretical approach for enabling domain knowledge acquisition by intelligent systems. We introduce a hybrid model that starts with minimal input knowledge in the form of an upper ontology of concepts, stores and reasons over this knowledge through a knowledge graph database and learns new information through a Logic Neural Network. We study the behavior of this architecture when handling new data and show that the final system is capable of enriching its current knowledge as well as extending it to new domains.
Abstract（参考訳）: 本稿では,知的システムによるドメイン知識獲得を実現するための理論的アプローチを提案する。本稿では,知識グラフデータベースを用いて概念,記憶,理由の上位オントロジーという形で,入力知識の最小化から始めて,論理ニューラルネットワークを通じて新たな情報を学ぶハイブリッドモデルを提案する。我々は、新しいデータを扱う際に、このアーキテクチャの振る舞いを研究し、最終システムは現在の知識を豊かにし、新しいドメインに拡張できることを示す。

関連論文リスト

How Do LLMs Acquire New Knowledge? A Knowledge Circuits Perspective on Continual Pre-Training [92.88889953768455]
大きな言語モデル(LLM)は、どのようにして新しい知識を内部化するかを理解する上で、重大なギャップに直面します。知識記憶と処理を容易にする計算サブグラフを同定する。
論文参考訳（メタデータ） (2025-02-16T16:55:43Z)
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)
Aligning Knowledge Graphs Provided by Humans and Generated from Neural Networks in Specific Tasks [5.791414814676125]
本稿では,ニューラルネットワークによる知識グラフの生成と活用を可能にする革新的な手法を提案する。われわれのアプローチは、従来の単語の埋め込みモデルへの依存を排除し、ニューラルネットワークから概念をマイニングし、それらを人間の知識と直接整合させる。実験により,本手法は人間の知識と密接に一致したネットワーク生成概念を連続的に捕捉し,これまでヒトが認識していなかった新しい有用な概念を発見できることがわかった。
論文参考訳（メタデータ） (2024-04-23T20:33:17Z)
Thrill-K Architecture: Towards a Solution to the Problem of Knowledge Based Understanding [0.9390008801320021]
本稿では、人間の知識と知性の分析に基づいて、ニューラルネットワークと様々な種類の知識と知識ソースを組み合わせたハイブリッドシステムの分類を紹介する。我々はThrill-Kアーキテクチャを,推論,学習,知的制御が可能なフレームワークに,瞬時知識,待機知識,外部知識ソースを統合するためのプロトタイプソリューションとして提示する。
論文参考訳（メタデータ） (2023-02-28T20:39:35Z)
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)
Incorporation of Deep Neural Network & Reinforcement Learning with Domain Knowledge [0.0]
本稿では,ニューラルネットワークを用いたモデル構築において,ドメイン情報を組み込んだ手法について述べる。空間データの統合は、知識理解モデルの開発や、ヒューマン・マシン・インタフェースと強化学習を活用することで情報理解を支援する他の分野において、一意に重要である。
論文参考訳（メタデータ） (2021-07-29T17:29:02Z)
Towards a Universal Continuous Knowledge Base [49.95342223987143]
複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。テキスト分類実験は有望な結果を示す。我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
論文参考訳（メタデータ） (2020-12-25T12:27:44Z)
Neural Networks Enhancement with Logical Knowledge [83.9217787335878]
関係データに対するKENNの拡張を提案する。その結果、KENNは、存在関係データにおいても、基礎となるニューラルネットワークの性能を高めることができることがわかった。
論文参考訳（メタデータ） (2020-09-13T21:12:20Z)
A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for Question Answering Over Dynamic Contexts [81.4757750425247]
動的テキスト環境における質問応答について検討する。構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
論文参考訳（メタデータ） (2020-04-25T04:53:54Z)

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。