論文の概要: Implementation and Evaluation of a Gradient Descent-Trained Defensible Blackboard Architecture System
- arxiv url: http://arxiv.org/abs/2404.11714v1
- Date: Wed, 17 Apr 2024 19:55:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-19 13:40:17.432602
- Title: Implementation and Evaluation of a Gradient Descent-Trained Defensible Blackboard Architecture System
- Title（参考訳）: グラディエントDescent-Trained Defensible Blackboard Architecture Systemの実装と評価
- Authors: Jordan Milbrath, Jonathan Rivard, Jeremy Straub,
- Abstract要約: 2つの有名なテクニックは、ニューラルネットワークとルールファクトエキスパートシステムである。
関連するシステムタイプであるBlackboard Architectureは、エキスパートシステムに現実化機能を追加する。
そこで本研究では,ブラックボード・アーキテクチャに,ディフェンシブル・スタイルの勾配降下訓練機能を導入し,評価する。
- 参考スコア（独自算出の注目度）: 0.3277163122167434
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A variety of forms of artificial intelligence systems have been developed. Two well-known techniques are neural networks and rule-fact expert systems. The former can be trained from presented data while the latter is typically developed by human domain experts. A combined implementation that uses gradient descent to train a rule-fact expert system has been previously proposed. A related system type, the Blackboard Architecture, adds an actualization capability to expert systems. This paper proposes and evaluates the incorporation of a defensible-style gradient descent training capability into the Blackboard Architecture. It also introduces the use of activation functions for defensible artificial intelligence systems and implements and evaluates a new best path-based training algorithm.
- Abstract（参考訳）: 人工知能システムの様々な形態が開発されている。
2つの有名なテクニックは、ニューラルネットワークとルールファクトエキスパートシステムである。
前者は提示されたデータからトレーニングすることができ、後者は典型的には人間のドメインの専門家によって開発される。
ルールファクトエキスパートシステムのトレーニングに勾配勾配を用いた実装が提案されている。
関連するシステムタイプであるBlackboard Architectureは、エキスパートシステムに現実化機能を追加する。
そこで本研究では,ブラックボード・アーキテクチャに定義可能な勾配降下訓練機能を導入し,評価する。
また、人工知能システムにアクティベーション関数を導入し、新しい最良のパスベースのトレーニングアルゴリズムを実装し、評価する。
関連論文リスト
- Deep Learning of Dynamic Systems using System Identification Toolbox(TM) [1.7537651436360189]
ツールボックスは、自動エンコーディング機能で拡張可能なニューラルステートスペースモデルを提供する。
このツールボックスには、最先端の機械学習技術との統合を深める他のいくつかの拡張が含まれている。
論文 参考訳（メタデータ） (2024-09-11T21:54:17Z) - Transferring Domain Knowledge with (X)AI-Based Learning Systems [3.0059120458540383]
説明可能な人工知能(XAI)は、従来、ブラックボックス人工知能システムを解釈するために用いられてきた。
X)AIシステムは、専門家の過去の判断に基づいて訓練され、実例と説明を提供することで初心者を教えるために使用される。
我々は,(X)AIに基づく学習システムが初心者の学習を誘導し,その認知スタイルが中等学習であることを示す。
論文 参考訳（メタデータ） (2024-06-03T13:56:30Z) - Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。
新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。
我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文 参考訳（メタデータ） (2024-02-20T15:23:24Z) - Training Neural Networks with Internal State, Unconstrained
Connectivity, and Discrete Activations [66.53734987585244]
真のインテリジェンスには、内部状態を管理するマシンラーニングモデルが必要だ。
このようなモデルのトレーニングに最も効果的なアルゴリズムは,まだ発見されていない。
このようなトレーニングアルゴリズムを2進アクティベーションと1つの重みの行列のみを持つアーキテクチャに適用する試みについて述べる。
論文 参考訳（メタデータ） (2023-12-22T01:19:08Z) - Automating the Design and Development of Gradient Descent Trained Expert
System Networks [0.0]
従来の研究は、ニューラルネットワークの学習能力とエキスパートシステムの理解性と防御可能なロジックを概念的に組み合わせた、勾配降下訓練されたエキスパートシステムを導入していた。
本稿では,ニューラルネットワークと比較して,この重要な限界を克服する手法を提案する。
具体的には,より大規模で高密度なアプリケーションを必要とするルールファクトネットワークの利用を提案する。
論文 参考訳（メタデータ） (2022-07-04T18:55:10Z) - Neural Networks with Physics-Informed Architectures and Constraints for
Dynamical Systems Modeling [19.399031618628864]
軌道データから動的モデルを学ぶためのフレームワークを開発する。
出力の値とモデルの内部状態に制約を課す。
様々な力学系に対する提案手法の利点を実験的に実証した。
論文 参考訳（メタデータ） (2021-09-14T02:47:51Z) - Towards a Predictive Processing Implementation of the Common Model of
Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。
提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文 参考訳（メタデータ） (2021-05-15T22:55:23Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳（メタデータ） (2020-12-15T16:29:49Z) - A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。
そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文 参考訳（メタデータ） (2020-09-25T12:01:53Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z)
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。