論文の概要: Rule-Based Languages for Neurosymbolic AI

• arxiv url: http://arxiv.org/abs/2610.07313v1
• Date: Mon, 05 Oct 2026 19:49:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.623436
• Title: Rule-Based Languages for Neurosymbolic AI
• Title（参考訳）: ニューロシンボリックAIのためのルールベース言語
• Abstract要約: 論理プログラミングは、ニューロシンボリックAIシステムの象徴的な構成要素としてますます使われている。 この設定では、セマンティクス、表現性、ニューラル統合、評価メカニズムの4つの軸に沿って、主要なルールベースの言語を調査します。 我々は、最近の50以上のシステムと応用を分析し、4つの研究分野におけるフォーマリズムの使用状況を比較した。
• 参考スコア（独自算出の注目度）: 10.051352463302669
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Logic programming is increasingly used as the symbolic component of neurosymbolic AI systems. We survey the main rule-based languages in this setting, namely Datalog, answer set, and probabilistic logic programs, along four axes: semantics, expressiveness, neural integration, and evaluation mechanism. We analyse over 50 recent systems and applications, comparing formalism usage across four research areas: databases and programming languages, machine learning, vision, and robotics. We provide a decision matrix mapping application scenarios to required features and close by outlining open problems.
• Abstract（参考訳）: 論理プログラミングは、ニューロシンボリックAIシステムの象徴的な構成要素としてますます使われている。 この設定における主要なルールベースの言語、すなわち、データログ、回答セット、確率論理プログラムを、意味論、表現性、神経統合、評価メカニズムの4つの軸に沿って調査する。 我々は最近の50以上のシステムとアプリケーションを分析し、データベースとプログラミング言語、機械学習、ビジョン、ロボット工学の4つの研究分野におけるフォーマルな使用法を比較した。 アプリケーションのシナリオを必要な機能にマッピングし、オープンな問題を概説することでクローズします。

関連論文リスト

• The RAIL Principles for Neurosymbolic AI: Reasoning, Assurances, Interfacing and Learning [34.29526424334957]
  機械学習とフォーマル推論のニューロシンボリックな組み合わせは、AIにおけるニッチなアプローチではない、と我々は主張する。 この視点は、現在のAIシステムの設計の再検討を促す。 RAILフレームワークの適用は、一見異なるAIシステムの統一的なビューを提供する。
  論文  参考訳（メタデータ） (2026-08-04T23:24:39Z)
• VisualPredicator: Learning Abstract World Models with Neuro-Symbolic Predicates for Robot Planning [86.59849798539312]
  本稿では,記号的・神経的知識表現の強みを組み合わせた一階抽象言語Neuro-Symbolic Predicatesを提案する。 提案手法は, サンプルの複雑さの向上, 分布外一般化の強化, 解釈可能性の向上を実現する。
  論文  参考訳（メタデータ） (2024-10-30T16:11:05Z)
• IID Relaxation by Logical Expressivity: A Research Agenda for Fitting Logics to Neurosymbolic Requirements [50.57072342894621]
  本稿では、ニューロシンボリック・ユースケースにおける既知のデータ依存と分布制約を利用する利点について論じる。 これは、ニューロシンボリックな背景知識と、その論理に必要とされる表現性に関する一般的な疑問を伴う新しい研究課題を開く。
  論文  参考訳（メタデータ） (2024-04-30T12:09:53Z)
• Scallop: A Language for Neurosymbolic Programming [14.148819428748597]
  Scallopは、ディープラーニングと論理的推論の利点を組み合わせた言語である。 アルゴリズム推論を多様で困難なAIタスクで表現することができる。 機械学習プログラマが論理的なドメイン知識を統合するための簡潔なインターフェースを提供する。
  論文  参考訳（メタデータ） (2023-04-10T18:46:53Z)
• From Statistical Relational to Neurosymbolic Artificial Intelligence: a Survey [16.080532260468594]
  本稿では,ニューロシンボリックと統計的リレーショナル人工知能の2つの分野における学習と推論の統合について検討する。 AIの2つのサブフィールド間の7つの共有次元を識別する。 これらの次元に沿って様々なNeSyとStarAIシステムを配置し、それらの類似点と相違点を指摘することによって、この調査は学習と推論の統合を理解するための基本的な概念に寄与する。
  論文  参考訳（メタデータ） (2021-08-25T19:47:12Z)
• A Minimalist Dataset for Systematic Generalization of Perception, Syntax, and Semantics [131.93113552146195]
  我々は,機械が一般化可能な概念を学習する能力を調べるため,新しいデータセットであるHINT(Hand written arithmetic with INTegers)を提案する。 HINTでは、イメージなどの生信号から概念がどのように認識されるかを学ぶことが機械のタスクである。 我々は、RNN、Transformer、GPT-3など、様々なシーケンス・ツー・シーケンスモデルで広範囲に実験を行った。
  論文  参考訳（メタデータ） (2021-03-02T01:32:54Z)
• Logic Tensor Networks [9.004005678155023]
  学習と推論をサポートする神経シンボリック形式論と計算モデルであるLogic Networks(LTN)を提示する。 LTNがいくつかのAIタスクの仕様と計算に一様言語を提供することを示す。
  論文  参考訳（メタデータ） (2020-12-25T22:30:18Z)
• Proceedings 36th International Conference on Logic Programming (Technical Communications) [127.81808516917793]
  ICLPは論理プログラミング研究のための国際会議である。 1982年にマルセイユで開かれた最初の会議以来、ICLPは論理プログラミングの研究を示す主要な国際イベントとなっている。
  論文  参考訳（メタデータ） (2020-09-19T04:18:41Z)

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。