論文の概要: Generalisation Through Negation and Predicate Invention

• arxiv url: http://arxiv.org/abs/2301.07629v3
• Date: Sat, 9 Dec 2023 09:21:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 03:23:34.162614
• Title: Generalisation Through Negation and Predicate Invention
• Title（参考訳）: 否定と述語発明による一般化
• Authors: David M. Cerna and Andrew Cropper
• Abstract要約: 我々は、否定と述語的発明を組み合わせた帰納論理プログラミング(ILP)アプローチを導入する。 我々は,通常の論理プログラムを述語的発明で学習できるNOPIで実装する。 複数の領域に対する実験結果から,本手法は予測精度と学習時間を向上できることが示された。
• 参考スコア（独自算出の注目度）: 25.944127431156627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability to generalise from a small number of examples is a fundamental challenge in machine learning. To tackle this challenge, we introduce an inductive logic programming (ILP) approach that combines negation and predicate invention. Combining these two features allows an ILP system to generalise better by learning rules with universally quantified body-only variables. We implement our idea in NOPI, which can learn normal logic programs with predicate invention, including Datalog programs with stratified negation. Our experimental results on multiple domains show that our approach can improve predictive accuracies and learning times.
• Abstract（参考訳）: 少数の例から一般化する能力は、機械学習における基本的な課題である。 この課題に対処するために、否定と述語的発明を組み合わせた帰納論理プログラミング(ILP)アプローチを導入する。 これら2つの特徴を組み合わせることで、ilpシステムは普遍的に定量化されたボディのみの変数でルールを学習することで、よりよい一般化が可能になる。 提案手法をNOPIで実装し, 正規論理プログラムを述語で学習し, 階層的否定を伴うデータログプログラムを含む。 複数のドメインで実験した結果,予測精度と学習時間を改善することができた。

関連論文リスト

• Language Models can be Logical Solvers [99.40649402395725]
  論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。 LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
  論文  参考訳（メタデータ） (2023-11-10T16:23:50Z)
• Large Language Models as Analogical Reasoners [155.9617224350088]
  CoT(Chain-of- Thought)は、言語モデルのプロンプトとして、推論タスク全体で素晴らしいパフォーマンスを示す。 そこで本稿では,大規模言語モデルの推論プロセスを自動的にガイドする,新たなプロンプト手法であるアナログプロンプトを導入する。
  論文  参考訳（メタデータ） (2023-10-03T00:57:26Z)
• A Hybrid System for Systematic Generalization in Simple Arithmetic Problems [70.91780996370326]
  本稿では,記号列に対する合成的および体系的推論を必要とする算術的問題を解くことができるハイブリッドシステムを提案する。 提案システムは,最も単純なケースを含むサブセットでのみ訓練された場合においても,ネストした数式を正確に解くことができることを示す。
  論文  参考訳（メタデータ） (2023-06-29T18:35:41Z)
• Learning logic programs by combining programs [24.31242130341093]
  我々は、小さな非分離型プログラムを学習し、それらを組み合わせるアプローチを導入する。 我々は制約駆動型LPシステムにアプローチを実装した。 ゲームプレイやプログラム合成など,複数の領域に対する実験により,既存のアプローチを劇的に上回る結果が得られた。
  論文  参考訳（メタデータ） (2022-06-01T10:07:37Z)
• On the Configuration of More and Less Expressive Logic Programs [11.331373810571993]
  SATとASPの2つのよく知られたモデルベースAI手法は、入力を特徴付けるかもしれない多くの構文的特徴を定義する。 各競合から抽出したSATドメインとASPドメインに関する広範な実験的分析の結果は、入力の再構成と構成を用いて得られる様々な利点を示している。
  論文  参考訳（メタデータ） (2022-03-02T10:55:35Z)
• Learning logic programs through divide, constrain, and conquer [22.387008072671005]
  古典的な分母探索と近代的な制約駆動探索を組み合わせた帰納論理プログラミング手法を提案する。 3つのドメイン(分類、帰納的汎用ゲームプレイ、プログラム合成)に対する実験により、我々のアプローチは予測精度を高め、学習時間を短縮できることが示された。
  論文  参考訳（メタデータ） (2021-09-16T09:08:04Z)
• A Minimalist Dataset for Systematic Generalization of Perception, Syntax, and Semantics [131.93113552146195]
  我々は,機械が一般化可能な概念を学習する能力を調べるため,新しいデータセットであるHINT(Hand written arithmetic with INTegers)を提案する。 HINTでは、イメージなどの生信号から概念がどのように認識されるかを学ぶことが機械のタスクである。 我々は、RNN、Transformer、GPT-3など、様々なシーケンス・ツー・シーケンスモデルで広範囲に実験を行った。
  論文  参考訳（メタデータ） (2021-03-02T01:32:54Z)
• The ILASP system for Inductive Learning of Answer Set Programs [79.41112438865386]
  我々のシステムは、通常の規則、選択規則、厳しい制約を含むアンサーセットプログラムを学習する。 まず、ILASPの学習フレームワークとその機能の概要を説明します。 続いて、ILASPシステムの進化を概観する。
  論文  参考訳（メタデータ） (2020-05-02T19:04:12Z)
• Evaluating Logical Generalization in Graph Neural Networks [59.70452462833374]
  グラフニューラルネットワーク(GNN)を用いた論理一般化の課題について検討する。 ベンチマークスイートであるGraphLogでは、学習アルゴリズムが異なる合成論理でルール誘導を実行する必要がある。 モデルが一般化し適応する能力は、トレーニング中に遭遇する論理規則の多様性によって強く決定される。
  論文  参考訳（メタデータ） (2020-03-14T05:45:55Z)

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。