混合学习系统与应用

本文提出了基于深度神经网络和神经符号方法的分类与回归模型。基于逻辑张量网络的神经符号预测模型能够在解释差异连接（称为警报或攻击）及正常连接特征的同时，实现区分功能。所提出的混合系统融合了深度神经网络通过经验自我改进的能力，以及符号人工智能方法提供的可解释性。为论证转向混合系统的必要性，本文详细论述了稠密神经网络与神经符号网络的解释性、实现方式及比较分析。为确保比较的有效性，两者均使用相同的数据集进行训练，并对得到的指标进行了对比分析。结果表明，尽管两种方法在预测模型中精度相似，但逻辑张量网络还能实现交互式精度和数据推理；此外，本文还进一步讨论了过拟合缓解及可扩展性等方面的优势与不足。