弥合差距：神经符号AI中的表示空间
人工智能
2024-11-08 v1 机器学习
摘要
神经符号AI是一种通过结合神经网络和符号学习的优势来提高AI模型整体性能的有效方法。然而，两者在数据处理方式上存在差异，主要是因为它们通常使用不同的数据表示方法，这往往是限制两者整体性能的重要因素。从这一视角出发，我们通过构建四级分类框架分析了2013年以来的191项研究。第一级定义了五种表示空间类型，第二级聚焦于表示空间可表示的五种信息模态。第三级描述了四种符号逻辑方法。最后，第四级类别提出了神经网络与符号学习之间的三种协作策略。此外，我们基于其表示空间对46项研究进行了详细分析。
引用
@article{arxiv.2411.04393,
title = {Bridging the Gap: Representation Spaces in Neuro-Symbolic AI},
author = {Xin Zhang and Victor S. Sheng},
journal= {arXiv preprint arXiv:2411.04393},
year = {2024}
}