Fugu-MT 論文翻訳(概要): ABA Learning via ASP

論文の概要: ABA Learning via ASP

arxiv url: http://arxiv.org/abs/2308.15877v1
Date: Wed, 30 Aug 2023 09:02:29 GMT
ステータス: 処理完了
システム内更新日: 2023-08-31 14:02:14.258363
Title: ABA Learning via ASP
Title（参考訳）: aspによるaba学習
Authors: Emanuele De Angelis (IASI-CNR, Rome, Italy), Maurizio Proietti (IASI-CNR, Rome, Italy), Francesca Toni (Department of Computing, Imperial College London, UK)
Abstract要約: 本稿では,解答集合プログラミングを用いたABA学習の実装手法を提案する。これは、ABA LearningにおけるRote LearningとGeneralizationのガイドを支援する方法です。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recently, ABA Learning has been proposed as a form of symbolic machine learning for drawing Assumption-Based Argumentation frameworks from background knowledge and positive and negative examples. We propose a novel method for implementing ABA Learning using Answer Set Programming as a way to help guide Rote Learning and generalisation in ABA Learning.
Abstract（参考訳）: 近年、背景知識や肯定的・否定的な例から仮定に基づく議論フレームワークを描くためのシンボリック機械学習の一形態として、aba学習が提案されている。本稿では,ABA学習におけるロート学習と一般化の指導を支援する手段として,回答セットプログラミングを用いた新しいABA学習法を提案する。

関連論文リスト

Learning Brave Assumption-Based Argumentation Frameworks via ASP [11.768331785549947]
ABA(Assumption-based Argumentation)は、非単調な推論のための統一的な形式主義として提唱されている。本稿では,背景知識と肯定的/否定的な事例から学習を自動化する問題に焦点をあてる。本稿では,変換規則に基づく新しいアルゴリズム(ロートラーニング,フォールディング,アクセプション導入,Fact Subsumptionなど)とその実装について述べる。
論文参考訳（メタデータ） (2024-08-19T16:13:35Z)
An Introduction to Reinforcement Learning: Fundamental Concepts and Practical Applications [3.1699526199304007]
強化学習(Reinforcement Learning, RL)は、人工知能(AI)の一分野であり、累積報酬を最大化するために環境と対話して意思決定を行うための訓練エージェントに焦点を当てている。本稿では,その中核となる概念,方法論,最近の傾向,学習資源について概説する。
論文参考訳（メタデータ） (2024-08-13T23:08:06Z)
On conceptualisation and an overview of learning path recommender systems in e-learning [0.0]
本研究では,レコメンデーションシステムの構築方法について検討した。学習経路とその学習指標の共通概念を提示し、この文脈に5つの異なる推奨事項を埋め込む。
論文参考訳（メタデータ） (2024-06-07T10:30:43Z)
Learning Structure and Knowledge Aware Representation with Large Language Models for Concept Recommendation [50.31872005772817]
概念推薦は,学習者が自身の知識状態と人間の知識システムに基づいて学習する次の概念を提案することを目的としている。従来のアプローチでは、人間の知識システムをこれらの教育モデルを設計するプロセスに効果的に統合していない。 SKarREC(Structure and Knowledge Aware Representation Learning framework for concept Recommendation)を提案する。
論文参考訳（メタデータ） (2024-05-21T01:35:36Z)
Pseudo-Labeling and Contextual Curriculum Learning for Online Grasp Learning in Robotic Bin Picking [47.4409816260196]
SSL-ConvSACは、半教師付き学習と強化学習を組み合わせて、オンライングリップラーニングを行う。実機7-DoFのフランカ・エミカロボットアームに吸引グリップを装着することで,ビンピッキングタスクにおけるオンライングリップ学習を改善することを実証する。
論文参考訳（メタデータ） (2024-03-04T21:41:27Z)
YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文参考訳（メタデータ） (2024-01-28T14:32:15Z)
Perturbation-based Active Learning for Question Answering [25.379528163789082]
アクティブラーニング(AL)トレーニング戦略を活用することで、アノテーションコストの少ない質問応答(QA)モデルを構築することができる。モデルを効果的に更新するために、最も情報に富んだ未ラベルのトレーニングデータを選択する。
論文参考訳（メタデータ） (2023-11-04T08:07:23Z)
Implicit Offline Reinforcement Learning via Supervised Learning [83.8241505499762]
監視学習によるオフライン強化学習(RL)は、さまざまな専門レベルのポリシーによって収集されたデータセットからロボットスキルを学ぶための、シンプルで効果的な方法である。我々は、暗黙的なモデルが返却情報を利用して、固定されたデータセットからロボットスキルを取得するために、明示的なアルゴリズムにマッチするか、あるいは性能を向上するかを示す。
論文参考訳（メタデータ） (2022-10-21T21:59:42Z)
KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
KnowledgeCheckRに統合された推奨アプローチの概要を提供します。その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
論文参考訳（メタデータ） (2021-02-15T20:06:28Z)
Learning by Self-Explanation, with Application to Neural Architecture Search [12.317568257671427]
自己説明による学習(LeaSE)と呼ばれる新しい機械学習手法を提案する。提案手法では,予測結果の作り方について客観モデルに明確に説明することにより,その学習能力を向上させる。 CIFAR-100、CIFAR-10、ImageNetのニューラルネットワーク探索にLeaSEを適用します。
論文参考訳（メタデータ） (2020-12-23T07:39:54Z)
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)

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。