論文の概要: Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection

• arxiv url: http://arxiv.org/abs/2412.08457v1
• Date: Wed, 11 Dec 2024 15:24:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:03:41.187551
• Title: Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection
• Title（参考訳）: アブダクティブリフレクションによるニューロシンボリック推論不整合の効率的な是正
• Authors: Wen-Chao Hu, Wang-Zhou Dai, Yuan Jiang, Zhi-Hua Zhou,
• Abstract要約: Neuro-Symbolic (NeSy) AIは、人間の二重プロセス認識の類似と見なすことができる。 本稿では,ABLフレームワークに基づくAbductive Reflection (ABL-Refl)を導入することにより,NeSyシステムを改善することを提案する。
• 参考スコア（独自算出の注目度）: 53.82376573677766
• License:
• Abstract: Neuro-Symbolic (NeSy) AI could be regarded as an analogy to human dual-process cognition, modeling the intuitive System 1 with neural networks and the algorithmic System 2 with symbolic reasoning. However, for complex learning targets, NeSy systems often generate outputs inconsistent with domain knowledge and it is challenging to rectify them. Inspired by the human Cognitive Reflection, which promptly detects errors in our intuitive response and revises them by invoking the System 2 reasoning, we propose to improve NeSy systems by introducing Abductive Reflection (ABL-Refl) based on the Abductive Learning (ABL) framework. ABL-Refl leverages domain knowledge to abduce a reflection vector during training, which can then flag potential errors in the neural network outputs and invoke abduction to rectify them and generate consistent outputs during inference. ABL-Refl is highly efficient in contrast to previous ABL implementations. Experiments show that ABL-Refl outperforms state-of-the-art NeSy methods, achieving excellent accuracy with fewer training resources and enhanced efficiency.
• Abstract（参考訳）: Neuro-Symbolic (NeSy) AIは人間の二重プロセス認識の類似と見なすことができ、直感的なシステム1をニューラルネットワークでモデル化し、アルゴリズム的なシステム2をシンボリック推論でモデル化した。 しかし、複雑な学習対象に対して、NeSyシステムはしばしばドメイン知識と矛盾しない出力を生成し、それらを修正することは困難である。 直感的応答の誤りを即座に検出し,システム2推論を起動することで修正する人間の認知反射に触発された我々は,帰納的学習(ABL)フレームワークに基づくABL-Refl(Abductive Reflection)を導入し,NeSyシステムを改善することを提案する。 ABL-Reflはドメイン知識を活用して、トレーニング中にリフレクションベクターを誘導し、ニューラルネットワーク出力の潜在的なエラーをフラグ付け、アブダクションを実行してそれらを修正し、推論中に一貫した出力を生成する。 ABL-Reflは、以前のABL実装とは対照的に、非常に効率的である。 実験により、ABL-Reflは最先端のNeSy法より優れ、トレーニングリソースが少なく、効率が向上した。

関連論文リスト

• Efficient Diffusion as Low Light Enhancer [63.789138528062225]
  RATR(Reflectance-Aware Trajectory Refinement)は、イメージの反射成分を用いて教師の軌跡を洗練するための、シンプルで効果的なモジュールである。 textbfReDDiT (textbfDistilled textbfTrajectory) は低照度画像強調(LLIE)に適した効率的で柔軟な蒸留フレームワークである。
  論文  参考訳（メタデータ） (2024-10-16T08:07:18Z)
• Sparse Multitask Learning for Efficient Neural Representation of Motor Imagery and Execution [30.186917337606477]
  運動画像(MI)と運動実行(ME)タスクのためのスパースマルチタスク学習フレームワークを提案する。 MI-ME分類のためのデュアルタスクCNNモデルが与えられた場合、過渡的な接続に対して、サリエンシに基づくスペーシフィケーションアプローチを適用する。 以上の結果から, この調整された疎水性は, 過度に適合する問題を緩和し, 少ないデータ量でテスト性能を向上させることが示唆された。
  論文  参考訳（メタデータ） (2023-12-10T09:06:16Z)
• Neuro-symbolic model for cantilever beams damage detection [0.0]
  本稿では,新しい認知アーキテクチャに基づくカンチレバービームの損傷検出のためのニューロシンボリックモデルを提案する。 ハイブリッド識別モデルはLogic Convolutional Neural Regressorという名称で導入されている。
  論文  参考訳（メタデータ） (2023-05-04T13:12:39Z)
• Efficient Fraud Detection Using Deep Boosting Decision Trees [8.941773715949697]
  不正検出とは、複雑なデータから潜在的に不正な活動を特定し、監視し、防止することである。 AIの最近の発展と成功、特に機械学習は、不正に対処する新しいデータ駆動型方法を提供する。 ディープブーピング決定木(DBDT)は、勾配ブースティングとニューラルネットワークに基づく不正検出の新しいアプローチである。
  論文  参考訳（メタデータ） (2023-02-12T14:02:58Z)
• Neuro-symbolic Explainable Artificial Intelligence Twin for Zero-touch IoE in Wireless Network [61.90504487270785]
  説明可能な人工知能(XAI)双対システムは、ゼロタッチネットワークとサービス管理(ZSM)の基本的な実現要因となる。 ZSMのための信頼性の高いXAIツインシステムは、すべてのインターネット(IoE)の物理的振る舞いを識別する極端な分析能力と、そのような振る舞いの推論を特徴付ける厳密な方法の2つの合成を必要とする。 無線IoEのための信頼性の高いZSMを実現するために、新しいニューロシンボリックな説明可能な人工知能ツインフレームワークが提案されている。
  論文  参考訳（メタデータ） (2022-10-13T01:08:06Z)
• Minimizing Control for Credit Assignment with Strong Feedback [65.59995261310529]
  ディープニューラルネットワークにおける勾配に基づくクレジット割り当ての現在の手法は、無限小のフィードバック信号を必要とする。 我々は、神経活動に対する強いフィードバックと勾配に基づく学習を組み合わせることで、ニューラルネットワークの最適化に関する新たな視点を自然に導き出すことを示す。 DFCにおける強いフィードバックを用いることで、空間と時間において完全に局所的な学習規則を用いることで、前向きとフィードバックの接続を同時に学習できることを示す。
  論文  参考訳（メタデータ） (2022-04-14T22:06:21Z)
• Neural Born Iteration Method For Solving Inverse Scattering Problems: 2D Cases [3.795881624409311]
  本稿では,2次元逆散乱問題(ISP)に対するニューラルボルン反復法(Neural BIM)を提案する。 ニューラルBIMは独立畳み込みニューラルネットワーク(CNN)を用いて、残基に関する2つの異なる候補解の更新規則を学習する。 本論文では教師なしおよび教師なしの学習スキームを含む2つの異なるスキームについて述べる。
  論文  参考訳（メタデータ） (2021-12-18T03:22:41Z)
• Improving Coherence and Consistency in Neural Sequence Models with Dual-System, Neuro-Symbolic Reasoning [49.6928533575956]
  我々は、神経系1と論理系2の間を仲介するために神経推論を用いる。 強靭なストーリー生成とグラウンドド・インストラクション・フォローリングの結果、このアプローチは神経系世代におけるコヒーレンスと精度を高めることができることを示した。
  論文  参考訳（メタデータ） (2021-07-06T17:59:49Z)
• Feature Purification: How Adversarial Training Performs Robust Deep Learning [66.05472746340142]
  ニューラルネットワークのトレーニングプロセス中に隠れた重みに、特定の小さな密度の混合物が蓄積されることが、敵の例の存在の原因の1つであることを示す。 この原理を説明するために、CIFAR-10データセットの両実験と、ある自然な分類タスクに対して、ランダムな勾配勾配勾配を用いた2層ニューラルネットワークをトレーニングすることを証明する理論的結果を示す。
  論文  参考訳（メタデータ） (2020-05-20T16:56:08Z)

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。