Neural NID 规则
机器学习
2022-02-15 v1 人工智能
摘要
抽象对象属性及其关系深深植根于人类常识之中，使人们即使在新颖但受熟悉物理规律支配的情况下也能预测世界的动态。基于模型的强化学习中的标准机器学习模型不足以以这种方式进行泛化。受经典的有噪不确定指示（noisy indeterministic deictic, NID）规则框架启发，我们在此引入 Neural NID，一种利用适当正则化的图神经网络来学习抽象对象属性及对象间关系的方法。我们在专门设计用于评估模型所学转移动力学的简单基准上验证了 Neural NID 更强的泛化能力。
引用
@article{arxiv.2202.06036,
title = {Neural NID Rules},
author = {Luca Viano and Johanni Brea},
journal= {arXiv preprint arXiv:2202.06036},
year = {2022}
}
备注
Physical Reasoning and Inductive Biases for the Real World at NeurIPS 2021