神经符号编码器的无监督学习
机器学习
2022-12-22 v2 人工智能
摘要
我们提出了一个用于无监督学习神经符号编码器（neurosymbolic encoders）的框架，这类编码器由神经网络与来自领域特定语言的符号程序组合而成。我们的框架自然地将符号专家知识融入学习过程，与全神经网络编码器相比，由此得到更具可解释性且因子化的潜在表示。我们将现代程序合成技术与变分自编码（VAE）框架相结合，以在学习标准解码器的同时学习一个神经符号编码器。我们编码器中的程序化描述可惠及许多分析工作流，例如在行为建模中，解释智能体动作与运动十分重要。我们在来自动物生物学与体育分析的真实世界轨迹数据的潜在表示学习上评估了我们的方法。我们表明，相较于标准 VAE，我们的方法对有意义类别的区分显著更好，并在下游分析任务（如行为分类）上带来实际收益。
引用
@article{arxiv.2107.13132,
title = {Unsupervised Learning of Neurosymbolic Encoders},
author = {Eric Zhan and Jennifer J. Sun and Ann Kennedy and Yisong Yue and Swarat Chaudhuri},
journal= {arXiv preprint arXiv:2107.13132},
year = {2022}
}