机构名称：
¥ 1.0
摘要：深度学习在拥有大量训练数据的情况下，已在多项任务中取得了令人印象深刻的成果。然而，深度学习只关注预测的准确性，而忽略了导致决策的推理过程，而这是生命攸关应用中的主要问题。概率逻辑推理允许利用统计规律和特定领域的专业知识在不确定的情况下进行推理，但其可扩展性和与处理传感数据的层的脆弱集成极大地限制了其应用。出于这些原因，将深度架构和概率逻辑推理相结合是开发在复杂环境中运行的智能代理的基本目标。本文介绍了关系神经机，这是一种新颖的框架，允许联合训练学习者和基于一阶逻辑的推理器的参数。关系神经机器既可以在纯亚符号学习的情况下从监督数据中恢复经典学习，又可以在纯符号推理的情况下恢复马尔可夫逻辑网络，同时允许在混合学习任务中进行联合训练和推理。设计了适当的算法解决方案，使大规模问题中的学习和推理变得易于处理。实验在不同的关系任务中显示出令人鼓舞的结果。
关系神经机器
主要关键词
相关文件推荐
