基于认知深度学习的层次化图像分类的神经符号方法

深度神经网络在图像分类任务中取得高准确率，但常常产生过于自信的预测，未能表达认知不确定性，并且经常违反数据中存在的逻辑或结构约束。这些局限性在层次化分类中尤为突出，因为在粗粒度和细粒度预测之间必须保持一致性。我们首次提出一种统一的神经符号和认知建模框架，将其与 Swin Transformer 结合，采用焦点集合推理和可微 fuzzy 逻辑。我们并不将标签视为孤立的类别，而是通过在学习得到的嵌入空间中诱导数据驱动的焦点集合，这有助于捕捉对多个可能的细粒度类别的认知不确定性。这些焦点集合构成了信念理论层的基础，该层使用 fuzzy 成员函数和 t-norm 联合词来鼓励细粒度和粗粒度预测之间的一致性。一个可学习的损失函数进一步平衡校准、质量正则化和逻辑一致性，使模型能够自适应地在符号结构与数据驱动证据之间进行权衡。在层次化图像分类的实验中，我们的框架保持与 transformer 基线相当的准确率，同时提供更校准、更可解释的预测，减少过度自信，并在层次化输出之间强制执行高度的逻辑一致性。我们的实验结果表明，结合焦点集合推理与 fuzzy 逻辑为构建既准确又具认知意识的深度学习模型提供了一条实用的路径。