神经符号学习：原理及在眼科学中的应用
计算机视觉与模式识别
2022-08-02 v1 人工智能
机器学习
摘要
近年来神经网络迅速扩展，涌现出新颖策略与应用。然而，尽管在关键应用中不可避免需被解决，可解释性、可说明性、鲁棒性、安全性、可信度与合理性等挑战在神经网络技术中仍未攻克。已有尝试通过在符号表示中表达与嵌入领域知识来克服神经网络计算中的挑战。由此产生了神经符号学习（NeSyL）概念，其将符号表示方面纳入并赋予神经网络（NeSyL）常识。在可解释性、推理与说明性至关重要的领域，如视频与图像字幕、问答与推理、健康信息学与基因组学，NeSyL 已展现出前景可期的结果。本综述全面调研了前沿 NeSyL 方法、其原理、机器学习与深度学习算法进展、诸如眼科学等应用，以及最为重要的该新兴领域的未来展望。
引用
@article{arxiv.2208.00374,
title = {Neuro-Symbolic Learning: Principles and Applications in Ophthalmology},
author = {Muhammad Hassan and Haifei Guan and Aikaterini Melliou and Yuqi Wang and Qianhui Sun and Sen Zeng and Wen Liang and Yiwei Zhang and Ziheng Zhang and Qiuyue Hu and Yang Liu and Shunkai Shi and Lin An and Shuyue Ma and Ijaz Gul and Muhammad Akmal Rahee and Zhou You and Canyang Zhang and Vijay Kumar Pandey and Yuxing Han and Yongbing Zhang and Ming Xu and Qiming Huang and Jiefu Tan and Qi Xing and Peiwu Qin and Dongmei Yu},
journal= {arXiv preprint arXiv:2208.00374},
year = {2022}
}
备注
24 pages, 16 figures