分类网络：一种神经-符号配对的表示

我们引入了 \textbf{神经-符号对}（neuro-symbolic pair）的概念——通过共同的知识表示联系起来的神经方法与符号方法。接着，我们提出了 \textbf{分类网络}（taxonomic networks），这是一种判别网络，其节点表示层次化组织的分类概念。利用这种表示，我们构建了一种新颖的神经-符号对并评估了其性能。我们表明，我们的符号方法在较少数据和计算量下能更高效地学习分类网络，而神经方法在提供更多资源时能找到准确率更高的分类网络。作为神经-符号对，这些方法可以根据情境需求互换使用，并在必要时实现两者间的无缝转换。这项工作为未来更从根本上整合神经计算与符号计算的系统奠定了基础。