A Brain-Inspired Sequence Learning Model based on a Logic

要約

シーケンス学習は知能の本質的な側面である。人工知能では、シーケンス学習モデルをテストするために、シーケンス予測タスクが通常用いられる。本論文では、非公理的論理によって解釈可能なシーケンス学習モデルを設計し、テストする。学習機構は、仮説立案、修正、再利用の3つのステップから構成され、知識・資源が不十分な状況下でも動作する。モデルの能力をテストするために、配列予測タスクの合成データセットを生成した。その結果、モデルは様々な難易度において良好に動作することが示された。また、このモデルは概念中心の表現を採用しているため、理論的には壊滅的な忘却に悩まされることはなく、実用的な結果もこの性質を裏付けている。本論文は、論理的な方法でシーケンスを学習することの可能性を示している。

要約(オリジナル)

Sequence learning is an essential aspect of intelligence. In Artificial Intelligence, sequence prediction task is usually used to test a sequence learning model. In this paper, a model of sequence learning, which is interpretable through Non-Axiomatic Logic, is designed and tested. The learning mechanism is composed of three steps, hypothesizing, revising, and recycling, which enable the model to work under the Assumption of Insufficient Knowledge and Resources. Synthetic datasets for sequence prediction task are generated to test the capacity of the model. The results show that the model works well within different levels of difficulty. In addition, since the model adopts concept-centered representation, it theoretically does not suffer from catastrophic forgetting, and the practical results also support this property. This paper shows the potential of learning sequences in a logical way.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL