Fugu-MT 論文翻訳(概要): Generative Logic with Time: Beyond Logical Consistency and Statistical Possibility

論文の概要: Generative Logic with Time: Beyond Logical Consistency and Statistical Possibility

arxiv url: http://arxiv.org/abs/2301.08509v1
Date: Fri, 20 Jan 2023 10:55:49 GMT
ステータス: 処理完了
システム内更新日: 2023-01-23 13:30:52.945305
Title: Generative Logic with Time: Beyond Logical Consistency and Statistical Possibility
Title（参考訳）: 時間を伴う生成論理:論理的一貫性と統計的可能性を超えて
Authors: Hiroyuki Kido
Abstract要約: 本稿では,データから記号的知識を生成する時間確率モデルを提案する。モデルの正しさは、コルモゴロフの公理、フェンシュタットの定理、最大推定値との整合性の観点から正当化される。
参考スコア（独自算出の注目度）: 0.6853165736531939
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper gives a theory of inference to logically reason symbolic knowledge fully from data over time. We propose a temporal probabilistic model that generates symbolic knowledge from data. The statistical correctness of the model is justified in terms of consistency with Kolmogorov's axioms, Fenstad's theorems and maximum likelihood estimation. The logical correctness of the model is justified in terms of logical consequence relations on propositional logic and its extension. We show that the theory is applicable to localisation problems.
Abstract（参考訳）: 本稿では、時間とともにデータから象徴的知識を完全に論理的に推論する理論を提案する。データから記号的知識を生成する時間確率モデルを提案する。モデルの統計的正確性は、コルモゴロフの公理、フェンスタッドの定理、最大確率推定との整合性の観点から正当化される。モデルの論理的正当性は命題論理とその拡張に関する論理結果関係の観点から正当化される。この理論は局所化問題に適用できることを示す。

関連論文リスト

Inference of Abstraction for Grounded Predicate Logic [0.0]
AIにおける重要なオープンな疑問は、シンプルで自然な原理によって、機械が基底記号で意味のある抽象化を論理的に論理的に行うことができるかである。本稿では,確率論的推論とデータ上の述語的推論を組み合わせ,概念的に新しいアプローチを提案する。
論文参考訳（メタデータ） (2025-02-19T14:07:34Z)
Inference of Abstraction for a Unified Account of Reasoning and Learning [0.0]
我々は、推論と学習の統一的な説明のために、単純な確率的推論の理論を与える。我々は、形式論理におけるその満足度の観点から、データがどのように象徴的な知識を引き起こすかをモデル化する。
論文参考訳（メタデータ） (2024-02-14T09:43:35Z)
Inference of Abstraction for a Unified Account of Symbolic Reasoning from Data [0.0]
データから様々な種類の記号的推論を統一的確率論的に記述する。この理論は、人間のようなマシンインテリジェンスに対する推論に関する新たな洞察を与える。
論文参考訳（メタデータ） (2024-02-13T18:24:23Z)
A Simple Generative Model of Logical Reasoning and Statistical Learning [0.6853165736531939]
統計的学習と論理的推論は、AIの2つの主要な分野であり、人間のようなマシンインテリジェンスに統一されることが期待されている。本稿では、論理的推論と統計的学習の単純なベイズモデルを提案する。我々は、形式論理におけるその満足度の観点から、データがどのように象徴的知識を引き起こすかをモデル化する。
論文参考訳（メタデータ） (2023-05-18T16:34:51Z)
MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
論文参考訳（メタデータ） (2022-10-22T16:01:13Z)
Logical Satisfiability of Counterfactuals for Faithful Explanations in NLI [60.142926537264714]
本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。これは、説明に表される論理述語に基づいて、反実仮説を生成する。そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
論文参考訳（メタデータ） (2022-05-25T03:40:59Z)
On the Paradox of Learning to Reason from Data [86.13662838603761]
BERTは,同じ問題空間上での他のデータ分布への一般化に失敗しながら,分布内テスト例に対してほぼ完全な精度が得られることを示す。このパラドックスは、正しい推論関数をエミュレートする学習ではなく、論理的推論問題に本質的に存在する統計的特徴を実際に学習している。
論文参考訳（メタデータ） (2022-05-23T17:56:48Z)
Towards Unifying Logical Entailment and Statistical Estimation [0.6853165736531939]
本稿では,データ駆動論理推論のための形式論理の解釈モデルを提案する。生成モデルは論理学と統計学におけるいくつかの異なるタイプの推論の統一理論であることが示されている。
論文参考訳（メタデータ） (2022-02-27T17:51:35Z)
Logical Credal Networks [87.25387518070411]
本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
論文参考訳（メタデータ） (2021-09-25T00:00:47Z)
Typing assumptions improve identification in causal discovery [123.06886784834471]
観測データからの因果発見は、正確な解を常に特定できない難しい課題である。そこで本研究では,変数の性質に基づいた因果関係を制約する仮説を新たに提案する。
論文参考訳（メタデータ） (2021-07-22T14:23:08Z)
Logical Neural Networks [51.46602187496816]
ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
論文参考訳（メタデータ） (2020-06-23T16:55:45Z)

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。