Fugu-MT 論文翻訳(概要): Towards a fully declarative neuro-symbolic language

論文の概要: Towards a fully declarative neuro-symbolic language

arxiv url: http://arxiv.org/abs/2405.09521v1
Date: Wed, 15 May 2024 17:24:34 GMT
ステータス: 処理完了
システム内更新日: 2024-05-16 12:46:34.995778
Title: Towards a fully declarative neuro-symbolic language
Title（参考訳）: 完全宣言型ニューロシンボリック言語を目指して
Authors: Tilman Hinnerichs, Robin Manhaeve, Giuseppe Marra, Sebastijan Dumancic,
Abstract要約: 我々は、完全に宣言的な神経述語のための一般的なフレームワークを提案し、実装する。まず、宣言的拡張は任意のクエリに答えることができながら、学習と推論能力を保っていることを示す。
参考スコア（独自算出の注目度）: 13.009339669097415
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Neuro-symbolic systems (NeSy), which claim to combine the best of both learning and reasoning capabilities of artificial intelligence, are missing a core property of reasoning systems: Declarativeness. The lack of declarativeness is caused by the functional nature of neural predicates inherited from neural networks. We propose and implement a general framework for fully declarative neural predicates, which hence extends to fully declarative NeSy frameworks. We first show that the declarative extension preserves the learning and reasoning capabilities while being able to answer arbitrary queries while only being trained on a single query type.
Abstract（参考訳）: ニューロシンボリックシステム(NeSy)は、人工知能の学習能力と推論能力の両方を最大限に組み合わせていると主張しているが、推論システムの中核的な性質を欠いている。宣言性の欠如は、ニューラルネットワークから受け継いだ神経述語の機能的性質によって引き起こされる。我々は、完全に宣言的な神経述語のための一般的なフレームワークを提案し、実装し、それによって完全に宣言的なNeSyフレームワークにまで拡張する。まず、宣言的拡張は学習能力と推論能力を保ちながら、任意のクエリに答えると同時に、単一のクエリタイプでのみトレーニングできることを示す。

関連論文リスト

Formal Explanations for Neuro-Symbolic AI [28.358183683756028]
本稿では,ニューロシンボリックシステムの決定を説明するための公式なアプローチを提案する。これはまず、説明が必要な神経情報の個々の部分のサブセットを特定するのに役立つ。これに続いて、階層的な形式的な説明の簡潔さを促進するために、互いに独立して、これらの個々の神経入力のみを説明する。
論文参考訳（メタデータ） (2024-10-18T07:08:31Z)
Extensions to Generalized Annotated Logic and an Equivalent Neural Architecture [4.855957436171202]
本稿では,ニューロシンボリックシステムに対する望ましい基準のリストを提案し,既存のアプローチのいくつかがこれらの基準にどう対処するかを検討する。次に、等価なニューラルアーキテクチャの作成を可能にするアノテーション付き一般化論理の拡張を提案する。トレーニングプロセスの継続的な最適化に依存する従来のアプローチとは異なり、当社のフレームワークは、離散最適化を使用する二項化ニューラルネットワークとして設計されている。
論文参考訳（メタデータ） (2023-02-23T17:39:46Z)
NELLIE: A Neuro-Symbolic Inference Engine for Grounded, Compositional, and Explainable Reasoning [59.16962123636579]
本稿では,Prologベースの推論エンジンを新たに提案する。我々は手作りのルールを、ニューラルネットワークモデリング、ガイド付き生成、半密検索の組み合わせで置き換える。我々の実装であるNELLIEは、完全に解釈可能なエンドツーエンドの基底QAを示す最初のシステムである。
論文参考訳（メタデータ） (2022-09-16T00:54:44Z)
Is Neuro-Symbolic AI Meeting its Promise in Natural Language Processing? A Structured Review [2.064612766965483]
Neuro-Symbolic AI(NeSy)の支持者は、ディープラーニングとシンボリック推論を組み合わせることで、AIがより強くなると主張している。我々はNLPのためのNeSyを実装した研究の構造化されたレビューを行い、課題と今後の方向性について述べる。我々は、NeSyがその約束を本当に満たしているかどうか、すなわち、推論、アウト・オブ・ディストリビューションの一般化、解釈可能性、小さなデータからの学習と推論、新しいドメインへの転送可能性という疑問に答えることを目指している。
論文参考訳（メタデータ） (2022-02-24T17:13:33Z)
Question Answering over Knowledge Bases by Leveraging Semantic Parsing and Neuro-Symbolic Reasoning [73.00049753292316]
本稿では,意味解析と推論に基づくニューロシンボリック質問回答システムを提案する。 NSQAはQALD-9とLC-QuAD 1.0で最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2020-12-03T05:17:55Z)
Compositional Explanations of Neurons [52.71742655312625]
本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
論文参考訳（メタデータ） (2020-06-24T20:37:05Z)
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)
Compositional Generalization by Learning Analytical Expressions [87.15737632096378]
メモリ拡張ニューラルモデルは、合成一般化を達成するために解析式に接続される。良く知られたベンチマークSCANの実験は、我々のモデルが構成的一般化の優れた能力をつかむことを示した。
論文参考訳（メタデータ） (2020-06-18T15:50:57Z)
Conversational Neuro-Symbolic Commonsense Reasoning [10.894217510063086]
マルチホップ推論鎖を抽出するニューロシンボリック定理証明器を提案する。また,脳-記号系上に構築した対話型対話型フレームワークを提案する。
論文参考訳（メタデータ） (2020-06-17T17:28:38Z)
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)

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。