Fugu-MT 論文翻訳(概要): Neural Markov Prolog

論文の概要: Neural Markov Prolog

arxiv url: http://arxiv.org/abs/2312.01521v1
Date: Mon, 27 Nov 2023 21:41:47 GMT
ステータス: 処理完了
システム内更新日: 2023-12-11 03:32:45.070524
Title: Neural Markov Prolog
Title（参考訳）: Neural Markov Prolog
Authors: Alexander Thomson and David Page
Abstract要約: 本稿では,一階述語論理とニューラルネットワーク設計を橋渡しする手段として,言語Neural Markov Prolog (NMP)を提案する。 NMPは、画像、テキスト、リレーショナルデータベース、その他のターゲットデータ型のアーキテクチャを簡単に生成および提示することができる。
参考スコア（独自算出の注目度）: 57.13568543360899
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The recent rapid advance of AI has been driven largely by innovations in neural network architectures. A concomitant concern is how to understand these resulting systems. In this paper, we propose a tool to assist in both the design of further innovative architectures and the simple yet precise communication of their structure. We propose the language Neural Markov Prolog (NMP), based on both Markov logic and Prolog, as a means to both bridge first order logic and neural network design and to allow for the easy generation and presentation of architectures for images, text, relational databases, or other target data types or their mixtures.
Abstract（参考訳）: 最近のAIの急速な進歩は、主にニューラルネットワークアーキテクチャの革新によって推進されている。共通する懸念は、これらの結果のシステムを理解する方法である。本稿では,より革新的なアーキテクチャの設計と,その構造のシンプルかつ正確なコミュニケーションを支援するツールを提案する。我々は,1次論理とニューラルネットワークの設計を橋渡しし,画像,テキスト,関係データベース,その他の対象データタイプやそれらの混合のアーキテクチャを容易に生成・提示できるようにする手段として,markov logic と prolog の両方に基づく言語 neural markov prolog (nmp) を提案する。

関連論文リスト

Exploring knowledge graph-based neural-symbolic system from application perspective [0.0]
AIシステムにおけるヒューマンライクな推論と解釈可能性の実現は、依然として大きな課題である。ニューラルネットワークをシンボリックシステムと統合するNeural-Symbolicパラダイムは、より解釈可能なAIへの有望な経路を提供する。本稿では,知識グラフに基づくニューラルシンボリック統合の最近の進歩について考察する。
論文参考訳（メタデータ） (2024-05-06T14:40:50Z)
Cyclic Neural Network [46.05071312173701]
サイクリックニューラルネットワーク(Cyclic NN)について紹介する。生体神経系のフレキシブルでダイナミックなグラフの性質をエミュレートし、サイクルを含むあらゆるグラフ構造におけるニューロン接続を可能にする。この新設計パラダイムに基づく最初の詳細なモデルであるグラフオーバー多層パーセプトロンを開発した。
論文参考訳（メタデータ） (2024-01-11T07:31:53Z)
COOL: A Constraint Object-Oriented Logic Programming Language and its Neural-Symbolic Compilation System [0.0]
我々は論理的推論とニューラルネットワーク技術をシームレスに組み合わせたCOOLプログラミング言語を紹介した。 COOLはデータ収集を自律的に処理するために設計されており、ユーザから供給される初期データの必要性を軽減している。ユーザプロンプトをコーディングプロセスに組み込んで、トレーニング中のリスクを低減し、ライフサイクルを通じてモデル間のインタラクションを強化する。
論文参考訳（メタデータ） (2023-11-07T06:29:59Z)
LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
論文参考訳（メタデータ） (2023-09-24T05:43:19Z)
Neural Architecture Retrieval [27.063268631346713]
我々は、クエリニューラルアーキテクチャに似た設計で既存のニューラルアーキテクチャの集合を検索するニューラルアーキテクチャ検索という新しい問題を定義する。既存のグラフ事前学習戦略は、グラフのサイズとモチーフのため、ニューラルネットワークの計算グラフに対処できない。正確なグラフ表現学習を実現するために,マルチレベルコントラスト学習を導入する。
論文参考訳（メタデータ） (2023-07-16T01:56:41Z)
Weisfeiler and Leman Go Relational [4.29881872550313]
本稿では,よく知られたGCNおよびコンポジションGCNアーキテクチャの表現力の限界について検討する。上記の2つのアーキテクチャの制限を確実に克服する$k$-RNアーキテクチャを導入します。
論文参考訳（メタデータ） (2022-11-30T15:56:46Z)
Model-Based Machine Learning for Communications [110.47840878388453]
モデルベースのアルゴリズムと機械学習をハイレベルな視点で組み合わせるための既存の戦略を見直します。通信受信機の基本的なタスクの一つであるシンボル検出に注目する。
論文参考訳（メタデータ） (2021-01-12T19:55:34Z)
Neural Cellular Automata Manifold [84.08170531451006]
ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
論文参考訳（メタデータ） (2020-06-22T11:41:57Z)
A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
論文参考訳（メタデータ） (2020-05-14T09:02:33Z)
Improved Code Summarization via a Graph Neural Network [96.03715569092523]
一般に、ソースコード要約技術はソースコードを入力として使用し、自然言語記述を出力する。これらの要約を生成するために、ASTのデフォルト構造によくマッチするグラフベースのニューラルアーキテクチャを使用するアプローチを提案する。
論文参考訳（メタデータ） (2020-04-06T17:36:42Z)

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。