Object-Centric Neuro-Argumentative Learning

要約

過去10年間、私たちは深い学習技術にもっと頼って重要な決定を下すため、その安全性、信頼性、解釈性に関する懸念が浮上しています。
仮定ベースの議論（ABA）を画像分析のための深い学習と統合する新しい神経論争学習（NAL）アーキテクチャを紹介します。
私たちのアーキテクチャは、神経および象徴的なコンポーネントで構成されています。
前のセグメントとオブジェクト中心の学習を使用して画像を事実にエンコードし、後者はABA学習を適用してABAフレームワークを開発し、画像で予測を可能にします。
合成データの実験は、NALアーキテクチャが最先端の代替品と競争力があることを示しています。

要約(オリジナル)

Over the last decade, as we rely more on deep learning technologies to make critical decisions, concerns regarding their safety, reliability and interpretability have emerged. We introduce a novel Neural Argumentative Learning (NAL) architecture that integrates Assumption-Based Argumentation (ABA) with deep learning for image analysis. Our architecture consists of neural and symbolic components. The former segments and encodes images into facts using object-centric learning, while the latter applies ABA learning to develop ABA frameworks enabling predictions with images. Experiments on synthetic data show that the NAL architecture can be competitive with a state-of-the-art alternative.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google