T-ILR：一种用于 LTLf 的神经符号集成方法
人工智能
2025-08-25 v1
摘要
面向时序逻辑规范的神经符号集成方法目前仍在探索不足。唯一已有的做法依赖于对应时序规范的有限状态自动机的显式表示。相反，我们旨在提出一种神经符号框架，直接将线性时序逻辑在有限迹迹中的规范 (LTLf) 纳入深度学习架构，用于序列任务。我们扩展迭代局部细化 (ILR) 神经符号算法，利用模糊 LTLf 解释的近期引入。我们将该方法命名为时序迭代局部细化 (T-ILR)。我们在现有时序神经符号架构基准测试上进行评估，包括在时序知识存在下的图像序列分类。结果表明，T-ILR 在准确率和计算效率方面均优于现有方法。
引用
@article{arxiv.2508.15943,
title = {T-ILR: a Neurosymbolic Integration for LTLf},
author = {Riccardo Andreoni and Andrei Buliga and Alessandro Daniele and Chiara Ghidini and Marco Montali and Massimiliano Ronzani},
journal= {arXiv preprint arXiv:2508.15943},
year = {2025}
}
备注
Accepted for presentation at NeSy 2025. 10 pages