論文の概要: Taxonomic Networks: A Representation for Neuro-Symbolic Pairing

• arxiv url: http://arxiv.org/abs/2505.24601v1
• Date: Fri, 30 May 2025 13:48:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.979295
• Title: Taxonomic Networks: A Representation for Neuro-Symbolic Pairing
• Title（参考訳）: 分類学ネットワーク:ニューロシンボリックペアリングの表現
• Authors: Zekun Wang, Ethan L. Haarer, Nicki Barari, Christopher J. MacLellan,
• Abstract要約: 我々は、共通の知識表現を通してリンクされたニューラルおよびシンボリックなアプローチであるtextbfneuro-symbolic pairの概念を導入する。 本手法は,より少ないデータと少ない計算量でより効率的に分類網を学習し,高い資源を供給した場合に高い精度の分類網を発見できることを示す。
• 参考スコア（独自算出の注目度）: 1.0860174751082887
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce the concept of a \textbf{neuro-symbolic pair} -- neural and symbolic approaches that are linked through a common knowledge representation. Next, we present \textbf{taxonomic networks}, a type of discrimination network in which nodes represent hierarchically organized taxonomic concepts. Using this representation, we construct a novel neuro-symbolic pair and evaluate its performance. We show that our symbolic method learns taxonomic nets more efficiently with less data and compute, while the neural method finds higher-accuracy taxonomic nets when provided with greater resources. As a neuro-symbolic pair, these approaches can be used interchangeably based on situational needs, with seamless translation between them when necessary. This work lays the foundation for future systems that more fundamentally integrate neural and symbolic computation.
• Abstract（参考訳）: 本稿では,共通の知識表現を通じてリンクする,ニューラルネットワークと記号的アプローチのコンセプトを紹介する。 次に,ノードが階層的に整理された分類学概念を表現する識別ネットワークである「textbf{taxonomic Network}」を提案する。 この表現を用いて,新しいニューロシンボリックペアを構築し,その性能を評価する。 本手法は,より少ないデータと少ない計算量でより効率的に分類網を学習し,高い資源を供給した場合に高い精度の分類網を発見できることを示す。 ニューロシンボリックペアとして、これらのアプローチは状況に応じて相互に使用することができ、必要に応じてシームレスに翻訳することができる。 この研究は、ニューラルネットワークとシンボリック計算をより根本的に統合する未来のシステムの基礎を築いた。

関連論文リスト

• Compositional Generalization Across Distributional Shifts with Sparse Tree Operations [77.5742801509364]
  我々は、微分可能木機械と呼ばれる統合されたニューロシンボリックアーキテクチャを導入する。 シンボル構造の疎ベクトル表現を用いることで,モデルの効率を大幅に向上する。 より一般的なseq2seq問題に制限されたtree2tree問題以外の適用を可能にする。
  論文  参考訳（メタデータ） (2024-12-18T17:20:19Z)
• Coding schemes in neural networks learning classification tasks [52.22978725954347]
  完全接続型広義ニューラルネットワーク学習タスクについて検討する。 ネットワークが強力なデータ依存機能を取得することを示す。 驚くべきことに、内部表現の性質は神経の非線形性に大きく依存する。
  論文  参考訳（メタデータ） (2024-06-24T14:50:05Z)
• A short Survey: Exploring knowledge graph-based neural-symbolic system from application perspective [0.0]
  AIシステムにおけるヒューマンライクな推論と解釈可能性の実現は、依然として大きな課題である。 ニューラルネットワークをシンボリックシステムと統合するNeural-Symbolicパラダイムは、より解釈可能なAIへの有望な経路を提供する。 本稿では,知識グラフに基づくニューラルシンボリック統合の最近の進歩について考察する。
  論文  参考訳（メタデータ） (2024-05-06T14:40:50Z)
• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• NeuralFastLAS: Fast Logic-Based Learning from Raw Data [54.938128496934695]
  シンボリック・ルール学習者は解釈可能な解を生成するが、入力を記号的に符号化する必要がある。 ニューロシンボリックアプローチは、ニューラルネットワークを使用して生データを潜在シンボリック概念にマッピングすることで、この問題を克服する。 我々は,ニューラルネットワークを記号学習者と共同でトレーニングする,スケーラブルで高速なエンドツーエンドアプローチであるNeuralFastLASを紹介する。
  論文  参考訳（メタデータ） (2023-10-08T12:33:42Z)
• A Semantic Framework for Neuro-Symbolic Computing [0.36832029288386137]
  ニューロシンボリックAIの分野は、ニューラルネットワークとシンボリックシステムの組み合わせの恩恵を受けることを目的としている。 エンコーディングの一般的な定義は存在せず、ニューロシンボリック法を正確に理論的に比較することが可能である。 本稿では,ニューロシンボリックAIのセマンティックフレームワークを導入することでこの問題に対処する。
  論文  参考訳（メタデータ） (2022-12-22T22:00:58Z)
• Neuro-symbolic computing with spiking neural networks [0.6035125735474387]
  我々は、スパイクベースのグラフアルゴリズムに関するこれまでの研究を、スパイクニューロンを用いてシンボリックおよびマルチリレーショナル情報をエンコードする方法を実証することによって拡張した。 導入されたフレームワークは、グラフ埋め込みパラダイムと、エラーバックプロパゲーションを用いたスパイクニューラルネットワークのトレーニングの最近の進歩を組み合わせることで実現されている。
  論文  参考訳（メタデータ） (2022-08-04T10:49:34Z)

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。