論文の概要: Neuro-Symbolic Bi-Directional Translation -- Deep Learning Explainability for Climate Tipping Point Research

• arxiv url: http://arxiv.org/abs/2306.11161v1
• Date: Mon, 19 Jun 2023 21:06:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 16:21:18.827169
• Title: Neuro-Symbolic Bi-Directional Translation -- Deep Learning Explainability for Climate Tipping Point Research
• Title（参考訳）: ニューロシンボリック二方向翻訳-気候変動点研究のためのディープラーニング説明可能性
• Authors: Chace Ashcraft, Jennifer Sleeman, Caroline Tang, Jay Brett, Anand Gnanadesikan
• Abstract要約: 本稿では,ニューロシンボリック質問応答プログラムトランスレータ(NS-QAPT)と呼ばれるニューロシンボリックアプローチを提案する。 NS-QAPT法は、気候シミュレーションの指示に使用されるドメイン固有の質問と実行可能なプログラムを変換する双方向エンコーダデコーダアーキテクチャを含む。
• 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 recent years, there has been an increase in using deep learning for climate and weather modeling. Though results have been impressive, explainability and interpretability of deep learning models are still a challenge. A third wave of Artificial Intelligence (AI), which includes logic and reasoning, has been described as a way to address these issues. Neuro-symbolic AI is a key component of this integration of logic and reasoning with deep learning. In this work we propose a neuro-symbolic approach called Neuro-Symbolic Question-Answer Program Translator, or NS-QAPT, to address explainability and interpretability for deep learning climate simulation, applied to climate tipping point discovery. The NS-QAPT method includes a bidirectional encoder-decoder architecture that translates between domain-specific questions and executable programs used to direct the climate simulation, acting as a bridge between climate scientists and deep learning models. We show early compelling results of this translation method and introduce a domain-specific language and associated executable programs for a commonly known tipping point, the collapse of the Atlantic Meridional Overturning Circulation (AMOC).
• Abstract（参考訳）: 近年,気候・気象モデルにおける深層学習の利用が増加している。 結果は印象的だが、ディープラーニングモデルの説明可能性と解釈可能性は依然として課題である。 論理と推論を含む第3の人工知能(AI)は、これらの問題に対処する方法として説明されている。 ニューロシンボリックAIは、ロジックと推論とディープラーニングの統合の鍵となるコンポーネントである。 本研究では,ニューロシンボリック質問応答プログラムトランスレータ(NS-QAPT)と呼ばれるニューロシンボリックアプローチを提案する。 NS-QAPT法は、気候科学者と深層学習モデルの間のブリッジとして機能し、ドメイン固有の質問と気候シミュレーションを指示する実行可能なプログラムを変換する双方向エンコーダデコーダアーキテクチャを含む。 本稿では,この翻訳手法の早期に説得力のある結果を示し,一般に知られている転換点(Atlantic Meridional Overturning Circulation,AMOC)に対するドメイン固有言語と関連する実行プログラムを導入する。

関連論文リスト

• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• The Role of Foundation Models in Neuro-Symbolic Learning and Reasoning [54.56905063752427]
  Neuro-Symbolic AI(NeSy)は、AIシステムの安全なデプロイを保証することを約束している。 ニューラルネットワークとシンボリックコンポーネントを順次トレーニングする既存のパイプラインは、広範なラベリングを必要とする。 新しいアーキテクチャであるNeSyGPTは、生データから象徴的特徴を抽出する視覚言語基盤モデルを微調整する。
  論文  参考訳（メタデータ） (2024-02-02T20:33:14Z)
• Characterizing climate pathways using feature importance on echo state networks [0.0]
  エコー状態ネットワーク(ESN)は、時間的データのために設計された計算効率の良いニューラルネットワークのバリエーションである。 ESNは非解釈可能なブラックボックスモデルであり、変数関係を理解する上でハードルとなる。 我々は,特徴重要度の評価と比較を行うシミュレーション研究を行い,再分析気候データに対するアプローチを実証する。
  論文  参考訳（メタデータ） (2023-10-12T16:55:04Z)
• Language Knowledge-Assisted Representation Learning for Skeleton-Based Action Recognition [71.35205097460124]
  人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。 LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:29:16Z)
• Using Artificial Intelligence to aid Scientific Discovery of Climate Tipping Points [1.521140899164062]
  我々は,科学的発見における気候モデル作成を可能にする,ハイブリッド人工知能(AI)気候モデリング手法を提案する。 本稿では,この手法が気候の転換点の発見,特にアトランティック・メリディショナル・オーバーターン・サーキュレーション(AMOC)の崩壊にどのように適用できるかを説明する。 本稿では,自然言語質問と記号的学習表現の翻訳におけるニューロシンボリックな手法性能の予備的結果を示す。
  論文  参考訳（メタデータ） (2023-02-14T06:00:39Z)
• Climate Intervention Analysis using AI Model Guided by Statistical Physics Principles [6.824166358727082]
  変動散逸理論(FDT)として知られる統計物理学の原理を応用した新しい解法を提案する。 利用することで,地球系モデルによって生成された大規模なデータセットに符号化された情報を抽出することができる。 我々のモデルであるAiBEDOは、地球および地域表面の気候に対する放射摂動の複雑なマルチタイム効果を捉えることができる。
  論文  参考訳（メタデータ） (2023-02-07T05:09:10Z)
• Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
  Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。 本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。 NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-05-25T12:41:59Z)
• Investigating the fidelity of explainable artificial intelligence methods for applications of convolutional neural networks in geoscience [0.02578242050187029]
  CNNの意思決定戦略を説明する手段として、説明可能な人工知能(XAI)の手法が人気を集めている。 ここでは,最もポピュラーなXAI手法の相互比較を確立し,地質学的応用のためのCNN決定を説明する上で,それらの忠実さについて検討する。
  論文  参考訳（メタデータ） (2022-02-07T18:47:15Z)
• On-board Volcanic Eruption Detection through CNNs and Satellite Multispectral Imagery [59.442493247857755]
  著者らは、最初のプロトタイプと、AIモデルが“ロード”される可能性の研究を提案している。 ケーススタディでは,早期に警報を発生させる方法として,火山噴火の検出について検討することにした。 2つの畳み込みニューラルネットワークが提案され、作成され、実際のハードウェア上でそれらを正しく実装する方法も示されている。
  論文  参考訳（メタデータ） (2021-06-29T11:52:43Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)

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。