Beyond Traditional Neural Networks: Toward adding Reasoning and Learning Capabilities through Computational Logic Techniques

要約

深層学習 (DL) モデルは、複雑な問題を解決するために普及していますが、高品質のトレーニング データの必要性、透明性の欠如、堅牢性の問題などの制限があります。
ニューロシンボリック AI は、ニューラル ネットワークと記号推論の長所を組み合わせた有望なアプローチとして登場しました。
シンボリック知識注入 (SKI) テクニックは、シンボリック知識をサブシンボリック システムに組み込む一般的な方法です。
この研究では、知識注入プロセスを改善し、ML とロジックの要素をマルチエージェント システム (MAS) に統合するソリューションを提案します。

要約(オリジナル)

Deep Learning (DL) models have become popular for solving complex problems, but they have limitations such as the need for high-quality training data, lack of transparency, and robustness issues. Neuro-Symbolic AI has emerged as a promising approach combining the strengths of neural networks and symbolic reasoning. Symbolic knowledge injection (SKI) techniques are a popular method to incorporate symbolic knowledge into sub-symbolic systems. This work proposes solutions to improve the knowledge injection process and integrate elements of ML and logic into multi-agent systems (MAS).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google