Fugu-MT 論文翻訳(概要): Boolean Logic as an Error feedback mechanism

論文の概要: Boolean Logic as an Error feedback mechanism

arxiv url: http://arxiv.org/abs/2401.16418v1
Date: Mon, 29 Jan 2024 18:56:21 GMT
ステータス: 処理完了
システム内更新日: 2024-01-30 13:29:53.182396
Title: Boolean Logic as an Error feedback mechanism
Title（参考訳）: エラーフィードバック機構としてのブール論理
Authors: Louis Leconte
Abstract要約: ブール論理のバックパゲーションの概念は、重みとアクティベーションがブール数であるニューラルネットワークを構築するために導入された。ほとんどの計算は、訓練とフェーズの間、実際の算術ではなく論理で行うことができる。
参考スコア（独自算出の注目度）: 0.5439020425819
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The notion of Boolean logic backpropagation was introduced to build neural networks with weights and activations being Boolean numbers. Most of computations can be done with Boolean logic instead of real arithmetic, both during training and inference phases. But the underlying discrete optimization problem is NP-hard, and the Boolean logic has no guarantee. In this work we propose the first convergence analysis, under standard non-convex assumptions.
Abstract（参考訳）: ブール論理バックプロパゲーションの概念は、重みとアクティベーションをブール数とするニューラルネットワークを構築するために導入された。ほとんどの計算は、トレーニングと推論フェーズの両方において、実際の算術ではなくブール論理で行うことができる。しかし、基礎となる離散最適化問題はNPハードであり、ブール論理には保証がない。本研究では, 標準非凸仮定の下での最初の収束解析を提案する。

関連論文リスト

BoolQuestions: Does Dense Retrieval Understand Boolean Logic in Language? [88.29075896295357]
まず,現在の検索システムが,言語に暗示されるブール論理を理解できるかを検討する。広範な実験結果から,現在の高密度検索システムはブール論理を十分に理解していないという結論を導いた。本研究では,研究コミュニティの強力な基盤となるコントラスト的連続学習手法を提案する。
論文参考訳（メタデータ） (2024-11-19T05:19:53Z)
Boolean-aware Boolean Circuit Classification: A Comprehensive Study on Graph Neural Network [2.1080766959962625]
グラフ構造に基づくブール回路分類は、グラフ分類タスクにグループ化することができる。まず、提案したマッチング等価クラスをBoolean-aware'プロパティに基づいて定義する。本稿では,グラフニューラルネットワーク(GNN)を基盤として,ブール認識回路の分類に影響を及ぼす要因を解析するフレームワークを提案する。
論文参考訳（メタデータ） (2024-11-13T08:38:21Z)
Boolean Matching Reversible Circuits: Algorithm and Complexity [16.397487896227766]
入力否定と置換の同値性は量子時間では可逆であり、古典的な複雑性は指数関数的であることを示す。この結果は、自動化問題の解決における量子指数的スピードアップの初めての実証である。
論文参考訳（メタデータ） (2024-04-18T13:47:17Z)
Boolean Variation and Boolean Logic BackPropagation [0.0]
変動の概念はブール集合に導入され、ブール論理のバックプロパゲーション原理が開発された。ディープモデルは重みとアクティベーションをブール数として構築でき、実算術の代わりにブール論理で操作できる。
論文参考訳（メタデータ） (2023-11-13T16:01:43Z)
Empower Nested Boolean Logic via Self-Supervised Curriculum Learning [67.46052028752327]
大規模言語モデルを含む事前学習された言語モデルは、多言語論理に直面するランダムセレクタのように振る舞う。この基本的能力で言語モデルを強化するために,本稿では,新たな自己教師付き学習手法であるtextitCurriculum Logical Reasoning (textscClr) を提案する。
論文参考訳（メタデータ） (2023-10-09T06:54:02Z)
Neuro-Symbolic Inductive Logic Programming with Logical Neural Networks [65.23508422635862]
我々は最近提案された論理ニューラルネットワーク(LNN)を用いた学習規則を提案する。他のものと比較して、LNNは古典的なブール論理と強く結びついている。標準ベンチマークタスクの実験では、LNNルールが極めて解釈可能であることを確認した。
論文参考訳（メタデータ） (2021-12-06T19:38:30Z)
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)
Neural Logic Reasoning [47.622957656745356]
本稿では,ディープラーニングと論理推論の能力を統合するために,論理統合ニューラルネットワーク(LINN)を提案する。 LINNは、神経モジュールとしてAND、OR、NOTなどの基本的な論理操作を学び、推論のためにネットワークを通して命題論理推論を行う。実験の結果、LINNはTop-Kレコメンデーションにおいて最先端のレコメンデーションモデルを大幅に上回っていることがわかった。
論文参考訳（メタデータ） (2020-08-20T14:53:23Z)
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。