利用共享“NeMuS”的高效谓词发明
人工智能
2019-06-18 v1
摘要
Amao 是一个认知智能体框架，其采用与归纳逻辑编程（ILP）近期进展（如元解释学习（MIL）技术）不同的策略来处理谓词发明问题。它使用神经多空间（Neural Multi-Space, NeMuS）图结构对来自 Herbrand 基的原子进行反合一，这些原子通过了归纳动量检验。此处所称的归纳子句学习（ICL）通过使用 NeMuS 中已有的逻辑组件权重来扩展含反合一原子的子句候选，从而支持归纳学习。我们实现了一种高效的发明机制，包括递归假设的习得，同时通过添加偏置定义或语言特性来限制假设的形式。
引用
@article{arxiv.1906.06455,
title = {Efficient predicate invention using shared "NeMuS"},
author = {Edjard Mota and Jacob M. Howe and Ana Schramm and Artur d'Avila Garcez},
journal= {arXiv preprint arXiv:1906.06455},
year = {2019}
}
备注
7 pages, 5 figures, Proceedings of the 2019 International Workshop on Neural-Symbolic Learning and Reasoning