論文の概要: Combining Machine Learning and Ontology: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2401.07744v1
- Date: Mon, 15 Jan 2024 14:56:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 16:46:22.673109
- Title: Combining Machine Learning and Ontology: A Systematic Literature Review
- Title（参考訳）: 機械学習とオントロジーを組み合わせる: 体系的な文献レビュー
- Authors: Sarah Ghidalia, Ouassila Labbani Narsis, Aur\'elie Bertaux, Christophe
Nicolle
- Abstract要約: 我々は、機械学習と体系的推論の統合を調査する記事のレビューを行った。
目的は、インダクティブ推論(私たちによって実行された)を人工知能システムに組み込む技術を特定することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Motivated by the desire to explore the process of combining inductive and
deductive reasoning, we conducted a systematic literature review of articles
that investigate the integration of machine learning and ontologies. The
objective was to identify diverse techniques that incorporate both inductive
reasoning (performed by machine learning) and deductive reasoning (performed by
ontologies) into artificial intelligence systems. Our review, which included
the analysis of 128 studies, allowed us to identify three main categories of
hybridization between machine learning and ontologies: learning-enhanced
ontologies, semantic data mining, and learning and reasoning systems. We
provide a comprehensive examination of all these categories, emphasizing the
various machine learning algorithms utilized in the studies. Furthermore, we
compared our classification with similar recent work in the field of hybrid AI
and neuro-symbolic approaches.
- Abstract（参考訳）: 帰納的推論と帰納的推論を組み合わせる過程を探求する目的で,我々は,機械学習とオントロジーの統合を調査する論文の体系的な文献レビューを行った。
目的は、インダクティブ推論(機械学習によって実行される)とインダクティブ推論(オントロジーによって実行される)の両方を人工知能システムに組み込む多様なテクニックを同定することであった。
128の研究の分析を含むレビューでは、マシンラーニングとオントロジーのハイブリダイゼーションの3つの主なカテゴリ、すなわち、学習を強調したオントロジー、セマンティックデータマイニング、学習と推論システムの識別を可能にした。
これらすべてのカテゴリを包括的に検討し,研究で活用されている各種機械学習アルゴリズムを強調する。
さらに、我々の分類を、ハイブリッドAIとニューロシンボリックアプローチの分野での同様の研究と比較した。
関連論文リスト
- Argumentation and Machine Learning [4.064849471241967]
本章では,計算論と機械学習のクロス・フェーティフィケーションのある程度のアプローチを提示する研究の概要を紹介する。
これら2つの領域間の相互作用の目的を表す2つの広いテーマが同定された。
我々は,学習の種類や議論フレームワークの形式など,様々な次元にわたる作品のスペクトルを評価する。
論文 参考訳（メタデータ） (2024-10-31T08:19:58Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳（メタデータ） (2022-09-07T19:21:19Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - On the Complexity of Learning Description Logic Ontologies [14.650545418986058]
オントロジーはドメイン知識、特に生命科学に関連する領域における知識を表現する一般的な方法である。
学習理論から正確な学習モデルとおそらく正しい学習モデルの形式的な仕様を提供します。
論文 参考訳（メタデータ） (2021-03-25T09:18:12Z) - Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。
本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文 参考訳（メタデータ） (2021-03-22T12:42:16Z) - Counterfactual Explanations for Machine Learning: A Review [5.908471365011942]
機械学習における対実的説明に関する研究をレビューし、分類する。
機械学習における対実的説明可能性に対する現代のアプローチは、多くの国で確立された法的教義と結びついている。
論文 参考訳（メタデータ） (2020-10-20T20:08:42Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z)
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。