基于可微推理的半监督学习
人工智能
2019-08-14 v1 机器学习
计算机科学中的逻辑
摘要
我们提出可微推理（Differentiable Reasoning，DR），一种新颖的半监督学习技术，它利用关系型背景知识从未标注数据中获益。我们将其应用于语义图像解释（Semantic Image Interpretation，SII）任务，并表明背景知识带来了显著改进。我们发现，肯定前件（Modus Ponens，MP）与其逻辑等价的否定后件（Modus Tollens，MT）对学习过程的更新贡献之间存在强烈但有趣的不平衡，这表明我们的方法对一种称为乌鸦悖论的现象非常敏感。我们提出了一种解决该情况的方案。
引用
@article{arxiv.1908.04700,
title = {Semi-Supervised Learning using Differentiable Reasoning},
author = {Emile van Krieken and Erman Acar and Frank van Harmelen},
journal= {arXiv preprint arXiv:1908.04700},
year = {2019}
}