神经信念推理器
机器学习
2020-07-20 v3 人工智能
摘要
本文提出一种称为神经信念推理器(NBR)的新生成模型。它与先前模型的不同之处在于,它指定的是信念函数而非概率分布。其实现由神经网络、模糊集运算和信念函数运算组成,并给出了查询应答、样本生成和训练算法。本文在两个任务中研究NBR。第一个是合成无监督学习任务,展示了NBR执行多跳推理、不确定性推理以及冲突信息推理的能力。第二个是监督学习:一个针对4和9的鲁棒MNIST分类器,这是最具挑战性的数字对。该分类器无需对抗训练,并且在以L2度量衡量的对抗鲁棒性上大幅超越SOTA,同时在自然图像上保持99.1%的准确率。
引用
@article{arxiv.1909.04719,
title = {Neural Belief Reasoner},
author = {Haifeng Qian},
journal= {arXiv preprint arXiv:1909.04719},
year = {2020}
}