XiaoMi-AI文件搜索系统
World File Search System符号
SoftwareX 2P-Kt：基于逻辑的符号 AI 生态系统
CL 中存在许多逻辑，例如命题逻辑、一阶逻辑 (FOL)、时间逻辑、道义逻辑等，每种逻辑都针对特定领域。例如，时间逻辑能够推理时间中的事件，道义逻辑支持推理许可/禁止及其情况，而 FOL 则是通用的。此外，不同的逻辑存在不同的推理规则。一些是演绎的——从前提中得出结论，一些是归纳的——从几个前提——结论示例中寻找一般规则，而另一些是溯因的——推测哪些前提导致了某些结论。最后，当某些推理规则存在解决策略时，它可以转换成某种软件结构，并用于为智能系统提供自动推理能力。这种软件通常被称为逻辑编程 (LP) 范式的一部分。
赚取符号增强剂的动机的计算机制
研究文章|赚取象征性增强剂的行为/认知计算机制https://doi.org/10.1523/jneurosci.1873-23.2024收到：2023年10月2日被修订：2024年2月27日接受：2024年4月11日，2024年4月11日版权所有©20224 Burk burk et al。这是根据Creative Commons Attribution 4.0国际许可条款分发的开放访问文章，只要将原始工作正确归因于任何媒介，它允许在任何媒介中进行无限制的使用，分发和复制。
基础模型时代的神经符号编程
Neuro-Symbolic编程（N E S Y），以应对培训神经网络的挑战，以解决复杂的推理任务，并带来了可解释性，可靠性和效率的额外好处。n e s y方法与象征性推理一起训练神经模型，但他们面临具有可伸缩性和训练的问题，这些问题将其限制在简单化的问题上。另一方面，纯净的神经基础模型现在可以通过提示而不是训练来达到最先进的表现，但是它们通常不可靠并且缺乏解释性。通过推理程序补充拟释放程序（我们称之为及时的符号符号（P r s y））提供了一种将这些模型用于复杂推理任务的方法。这样做提出了一个问题：神经符号在基础模型时代有什么作用？为了探讨这个问题，我们在计算，数据和程序方面重点介绍了N e s y的三个陷阱。然后，我们认为P r s y可以进行特定于任务的N e S y训练，从而为实现N e s y的最初目标提供机会而没有培训带来的缺陷。关键字：神经束，编程，基础模型，符号，培训
渐进性上核麻痹中的“老虎符号”
1。Xu J，Yang X，Yang L，Zou X，Wang Y，Wu Y等。239例Covid-19患者的临床课程和60天死亡率的预测因素：来自中国武汉的多中心回顾性研究。重症监护（英国伦敦）。2020; 24（1）：394。2。Wu Z，McGoogan JM。2019年冠状病毒病（COVID-19）爆发的特征和重要经验教训：中国疾病控制与预防中心的72例314例报告的摘要。JAMA。 2020; 323（13）：1239-42。 3。 Yan L，Zhang H-T，Goncalves J，Xiao Y，Wang M，Guo Y等。 一种基于机器学习的模型，用于严重Covid-19感染患者的生存预测。 medrxiv; 2020。 4。 Lai CC，KO WC，Lee Pi，Jean SS，Hsueh PR。 COVID-19的呼吸外表现。 国际抗菌剂杂志。 2020; 56（2）：106024。 5。 Long B，Brady WJ，Koyfman A，Gottlieb M. Covid-19中的心血管并发症。 美国急诊医学杂志。 2020; 38（7）：1504-7。 6。 asadi-pooya aa，Simani L. Covid-19的中枢神经系统表现：系统评价。 神经科学杂志。 2020; 413：116832。 7。 Wolff L，Parkinson J，White PD。 捆绑分支块，易于健康的年轻人JAMA。2020; 323（13）：1239-42。3。Yan L，Zhang H-T，Goncalves J，Xiao Y，Wang M，Guo Y等。 一种基于机器学习的模型，用于严重Covid-19感染患者的生存预测。 medrxiv; 2020。 4。 Lai CC，KO WC，Lee Pi，Jean SS，Hsueh PR。 COVID-19的呼吸外表现。 国际抗菌剂杂志。 2020; 56（2）：106024。 5。 Long B，Brady WJ，Koyfman A，Gottlieb M. Covid-19中的心血管并发症。 美国急诊医学杂志。 2020; 38（7）：1504-7。 6。 asadi-pooya aa，Simani L. Covid-19的中枢神经系统表现：系统评价。 神经科学杂志。 2020; 413：116832。 7。 Wolff L，Parkinson J，White PD。 捆绑分支块，易于健康的年轻人Yan L，Zhang H-T，Goncalves J，Xiao Y，Wang M，Guo Y等。一种基于机器学习的模型，用于严重Covid-19感染患者的生存预测。medrxiv; 2020。4。Lai CC，KO WC，Lee Pi，Jean SS，Hsueh PR。 COVID-19的呼吸外表现。 国际抗菌剂杂志。 2020; 56（2）：106024。 5。 Long B，Brady WJ，Koyfman A，Gottlieb M. Covid-19中的心血管并发症。 美国急诊医学杂志。 2020; 38（7）：1504-7。 6。 asadi-pooya aa，Simani L. Covid-19的中枢神经系统表现：系统评价。 神经科学杂志。 2020; 413：116832。 7。 Wolff L，Parkinson J，White PD。 捆绑分支块，易于健康的年轻人Lai CC，KO WC，Lee Pi，Jean SS，Hsueh PR。COVID-19的呼吸外表现。 国际抗菌剂杂志。 2020; 56（2）：106024。 5。 Long B，Brady WJ，Koyfman A，Gottlieb M. Covid-19中的心血管并发症。 美国急诊医学杂志。 2020; 38（7）：1504-7。 6。 asadi-pooya aa，Simani L. Covid-19的中枢神经系统表现：系统评价。 神经科学杂志。 2020; 413：116832。 7。 Wolff L，Parkinson J，White PD。 捆绑分支块，易于健康的年轻人COVID-19的呼吸外表现。国际抗菌剂杂志。2020; 56（2）：106024。5。Long B，Brady WJ，Koyfman A，Gottlieb M. Covid-19中的心血管并发症。美国急诊医学杂志。2020; 38（7）：1504-7。6。asadi-pooya aa，Simani L. Covid-19的中枢神经系统表现：系统评价。神经科学杂志。2020; 413：116832。7。Wolff L，Parkinson J，White PD。捆绑分支块，易于健康的年轻人
业务流程模型和符号（BPMN），版本2.0
遵守以下所有条款和条件，本规范中的版权所有者在此授予您完全付费的，不可区分的，不可收缩的，可转让的，永久的，全球的许可证（无权订婚的权利），使用此规范来创建和分配此规范，以使用此规范，并使用此规范，并使用此规范，并分配副本，并分配副本，并使用该规范，并使用该规范。前提是：（1）上面确定的版权通知，此许可通知出现在本规范的任何副本上； （2）规格的使用是出于信息目的，不会在任何网络计算机或任何媒体上广播中复制或发布，否则不会出于商业目的转售或转让； （3）对此规范没有任何修改。此有限的许可将自动终止，如果您违反了这些条款或条件中的任何一个，则无通知。终止后，您将立即销毁所拥有或控制中规格的任何副本。
主题：量子公司 - 反向拆分选项符号：QMCO新符号：QMCO1日期：08/27/2024
根据OCC根据OCC细则，第VI条，第11和11A条进行调整的决心和任何调整的性质。根据OCC章程，第XII条，第3、4或4A条的规定调整期货和任何调整的性质，如适用。对于期权和期货，每个调整决定都是根据情况做出的。调整决策基于当时可用的信息，并且随着其他信息的可用信息，或者是否有实质性更改公司事件的实质性更改，以实现调整。
神经符号人工智能在顺序决策中的应用
顺序决策 (SDM) 是解决顺序决策过程 (SDP) 的问题。在 SDP 中，代理必须做出一系列决策才能完成任务或实现目标。这些决策必须根据某些最优标准进行选择，通常对应于奖励最大化或成本最小化。SDP 提供了一个通用框架，已成功应用于机器人、物流、游戏和金融等不同领域。解决 SDP 的 AI 方法可分为两大类：自动规划 (AP) 和强化学习 (RL)。这两个范例主要在如何获得解决方案以及如何表示其知识方面有所不同。AP 利用规划领域中编码的有关环境动态的先验知识来寻找实现目标的计划。这些知识通常使用声明性语言以符号方式编码。标准 RL 方法无需规划即可自动从数据中学习最优策略，即从状态到动作的映射，以最大化奖励。该策略通常以亚符号方式表示为深度神经网络 (DNN)。AP 的主要优势在于其知识表示的可解释性和适合长期推理。RL 的主要优势在于它能够自动从数据中学习。由于 AP 的缺点与 RL 的优点相一致，反之亦然，因此许多方法都试图统一这两个范式，例如基于模型的 RL、关系 RL、学习 SDP 结构的方法（例如，规划域）和神经符号 AI，这是一种将深度学习 (DL) 和深度 RL 的 DNN 与 AP 的符号表示相结合的新方法。
从符号涌现到可解释且有同理心的人工智能
摘要 —我们认为，可解释的人工智能必须拥有其决策的基本原理，能够推断观察到的行为的目的，并能够在受众理解和意图的背景下解释其决策。为了解决这些问题，我们提出了四个新颖的贡献。首先，我们根据感知状态定义任意任务，并讨论可能解决方案领域的两个极端。其次，我们定义内涵解决方案。根据某些智能定义，它是最佳的，它描述了任务的目的。拥有它的代理根据该目的对其决策有基本原理，并以基于硬件的感知符号系统来表达。第三，要传达该基本原理，需要自然语言，即一种编码和解码感知状态的方式。我们提出了一种意义理论，其中，为了获得语言，代理应该模拟语言描述的世界，而不是语言本身。如果人类的话语对代理的目标具有预测价值，那么代理将根据自己的目标和感知状态赋予这些话语以意义。在皮尔士符号学的背景下，代理社区必须共享符号、指称项和解释项的粗略近似值才能进行交流。意义只存在于意图的背景下，因此要与人类交流，代理必须具有可比的经验和目标。一个学习内涵解决方案的代理，在类似于人类动机的目标函数（如饥饿和痛苦）的驱使下，可能不仅能够根据自己的意图，而且能够根据受众的理解和意图来解释其原理。它形成了对人类感知状态的某种近似。最后，我们引入镜像符号假设，该假设认为，在类似人类的强迫下，代理作为内涵解决方案的一部分学习的符号表现得像镜像神经元。根据普遍的推测，这些神经元可能在促进同理心方面发挥重要作用。索引术语 — 内涵型人工智能、可解释型人工智能、同理心型人工智能
从统计关系到神经符号人工智能：一项调查。
学习与推理的融合是当今人工智能和机器学习面临的关键挑战之一，各个社区都在努力解决这一问题。对于神经符号计算 (NeSy) 领域尤其如此 [ 11 , 23 ]，其目标是整合符号推理和神经网络。NeSy 已经有悠久的传统，最近引起了各个社区的广泛关注（参见Y. Bengio 和 H. Kautz 在 AAAI 2020 上关于这个主题的主题演讲，Y. Bengio 和 G. Marcus 之间的 AI 辩论 [ 10 ]）。另一个在融合学习和推理方面有着丰富传统的领域是统计关系学习和人工智能 (StarAI) [ 41 , 89 ]。但是，它不是专注于整合逻辑和神经网络，而是围绕着将逻辑与概率推理（更具体地说是概率图模型）相结合的问题。尽管人们共同关注将符号推理与学习的基本范式（即概率图模型或神经网络）相结合，但令人惊讶的是，这两个领域之间并没有更多的相互作用。这种差异是本次调查背后的主要动机：它旨在指出这两项努力之间的相似之处，并希望以这种方式促进相互影响。为此，我们从 StarAI 的文献开始，
向量符号架构作为新兴硬件的计算框架
稿件收到日期为 2022 年 4 月 11 日；修订日期为 2022 年 6 月 30 日；接受日期为 2022 年 9 月 2 日。当前版本日期为 2022 年 10 月 17 日。Denis Kleyko 的工作部分得到了欧盟“地平线 2020”研究与创新计划（根据玛丽居里资助协议 839179）的支持，部分得到了美国国防高级研究计划局 (DARPA) VIP（超高清项目）和 AIE（HyDDENN 项目）计划的支持，部分得到了空军科学研究办公室 (AFOSR)（资助编号为 FA9550-19-1-0241）的支持，部分得到了英特尔 THWAI 计划的支持。 Pentti Kanerva 的工作部分由 DARPA 的 VIP（超高清项目）和 AIE（HyDDENN 项目）计划资助，部分由 AFOSR（拨款 FA9550-19-1-0241）资助。Bruno A. Olshausen 的工作部分由 DARPA 的 VIP（超高清项目）和 AIE（HyDDENN 项目）计划资助，部分由 AFOSR（拨款 FA9550-19-1-0241）资助，部分由英特尔的 THWAI 计划资助。Jan M. Rabaey 的工作部分由 DARPA 的 VIP（超高清项目）和 AIE（HyDDENN 项目）计划资助。 Dmitri A. Rachkovskij 的工作部分由乌克兰国家科学院资助，资助编号为 0120U000122、0121U000016、0122U002151 和 0117U002286；部分由乌克兰教育和科学部资助，资助编号为 0121U000228 和 0122U000818；部分由瑞典战略研究基金会 (SSF) 资助，资助编号为 UKR22-0024。Friedrich T. Sommer 的工作部分由英特尔的 THWAI 计划资助，部分由 NIH 资助，资助编号为 R01-EB026955，部分由 NSF 资助，资助编号为 IIS-1718991。 （通讯作者：Denis Kleyko。）Denis Kleyko 就职于美国加州大学伯克利分校红木理论神经科学中心，加利福尼亚州伯克利市 94720，同时还就职于瑞典研究机构智能系统实验室，瑞典希斯塔 16440（电子邮箱：denis.kleyko@ri.se）。