Fugu-MT 論文翻訳(概要): Automatic Extraction of Linguistic Description from Fuzzy Rule Base

論文の概要: Automatic Extraction of Linguistic Description from Fuzzy Rule Base

arxiv url: http://arxiv.org/abs/2404.03058v1
Date: Wed, 3 Apr 2024 20:50:48 GMT
ステータス: 処理完了
システム内更新日: 2024-04-05 16:22:48.259488
Title: Automatic Extraction of Linguistic Description from Fuzzy Rule Base
Title（参考訳）: ファジィルールベースからの言語記述の自動抽出
Authors: Krzysztof Siminski, Konrad Wnuk,
Abstract要約: 神経ファジィシステムは説明可能な人工知能(XAI)の技法である本稿では,自然言語におけるファジィ規則の自動抽出について述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Neuro-fuzzy systems are a technique of explainable artificial intelligence (XAI). They elaborate knowledge models as a set of fuzzy rules. Fuzzy sets are crucial components of fuzzy rules. They are used to model linguistic terms. In this paper, we present an automatic extraction of fuzzy rules in the natural English language. Full implementation is available free from a public repository.
Abstract（参考訳）: 神経ファジィシステムは説明可能な人工知能(XAI)の技法である。彼らはファジィルールの集合として知識モデルを精巧に表現した。ファジィ集合はファジィ規則の重要な構成要素である。言語用語をモデル化するのに使用される。本稿では,自然言語におけるファジィ規則の自動抽出について述べる。完全な実装はパブリックリポジトリから無償で利用できる。

関連論文リスト

Rule Learning as Machine Translation using the Atomic Knowledge Bank [8.9969167872226]
自然言語で規則を表現する文を論理規則に翻訳するトランスフォーマーの能力について検討する。我々は文献からDKETデータセットを用いて実験を行い、原子知識銀行に基づく言語から論理への翻訳のためのデータセットを作成する。
論文参考訳（メタデータ） (2023-11-05T20:48:54Z)
Language Models as Inductive Reasoners [125.99461874008703]
本稿では,帰納的推論のための新しいパラダイム(タスク)を提案し,自然言語の事実から自然言語規則を誘導する。タスクのための1.2kルールファクトペアを含むデータセットDEERを作成し,ルールと事実を自然言語で記述する。我々は、事前訓練された言語モデルが自然言語の事実から自然言語規則をいかに誘導できるかを、初めてかつ包括的な分析を行う。
論文参考訳（メタデータ） (2022-12-21T11:12:14Z)
AUTOLEX: An Automatic Framework for Linguistic Exploration [93.89709486642666]
本稿では言語学者による言語現象の簡潔な記述の発見と抽出を容易にするための自動フレームワークを提案する。具体的には、この枠組みを用いて、形態的一致、ケースマーキング、単語順序の3つの現象について記述を抽出する。本研究では,言語専門家の助けを借りて記述を評価し,人間の評価が不可能な場合に自動評価を行う手法を提案する。
論文参考訳（メタデータ） (2022-03-25T20:37:30Z)
Neuro-Symbolic Hierarchical Rule Induction [12.610497441047395]
Inductive Logic Programming (ILP) 問題を解決するために, 効率的な解釈可能なニューロシンボリックモデルを提案する。階層構造で組織されたメタルールの集合から構築されたこのモデルでは、メタルールの事実や体述と一致するように埋め込みを学習することで、一階規則が発明される。我々は, 様々な課題(ILP, 視覚ゲノム, 強化学習)において, 最先端の手法に対して, モデルの有効性を実証的に検証した。
論文参考訳（メタデータ） (2021-12-26T17:02:14Z)
Learning Symbolic Rules for Reasoning in Quasi-Natural Language [74.96601852906328]
我々は,ルールを手作業で構築することなく,自然言語入力で推論できるルールベースシステムを構築した。本稿では,形式論理文と自然言語文の両方を表現可能な"Quasi-Natural"言語であるMetaQNLを提案する。提案手法は,複数の推論ベンチマークにおける最先端の精度を実現する。
論文参考訳（メタデータ） (2021-11-23T17:49:00Z)
NSL: Hybrid Interpretable Learning From Noisy Raw Data [66.15862011405882]
本稿では,ラベル付き非構造データから解釈可能なルールを学習するニューラルシンボリック学習フレームワークNSLを提案する。 NSLは、機能抽出のためのトレーニング済みニューラルネットワークと、解集合セマンティクスに基づくルール学習のための最先端のILPシステムであるFastLASを組み合わせる。 NSLは、MNISTデータから堅牢なルールを学び、ニューラルネットワークやランダムフォレストベースラインと比較して、比較または優れた精度を達成できることを実証します。
論文参考訳（メタデータ） (2020-12-09T13:02:44Z)
Leap-Of-Thought: Teaching Pre-Trained Models to Systematically Reason Over Implicit Knowledge [96.92252296244233]
大規模な事前学習言語モデル(LM)は推論能力を得るが、制御は困難である。本研究では,暗黙的,事前学習された知識と明示的な自然言語文を併用して,体系的推論を確実に行うことができることを示す。我々の研究は、シンプルな自然言語文を追加することで、モデルを簡単に修正できるユーザと対話することで、常に改善されるオープンドメインシステムへの道を開く。
論文参考訳（メタデータ） (2020-06-11T17:02:20Z)
Guiding Symbolic Natural Language Grammar Induction via Transformer-Based Sequence Probabilities [0.0]
自然言語を統括する構文規則を自動学習する手法を提案する。この方法は、内部表現に言及することなく、トランスフォーマーにおける学習された言語知識を利用する。提案手法の実証例を示し, 教師なしのシンボリックリンク-文法帰納法を導出する。
論文参考訳（メタデータ） (2020-05-26T06:18:47Z)
Learning Compositional Rules via Neural Program Synthesis [67.62112086708859]
少数の例からルールシステム全体を学習するニューロシンボリックモデルを提案する。入力からの出力を直接予測する代わりに、前述した例の集合を規定する規則の明示的な体系を誘導するようにモデルを訓練する。
論文参考訳（メタデータ） (2020-03-12T01:06:48Z)

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。