PulseAugur
中
实时 09:40:52
English(EN) From Hybrid Mechanistic--Data-Driven Modeling Toward Neuro-Symbolic AI: What, Why, and How

新框架将混合模型与神经符号AI连接起来

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为Hybrid-to-NeSy (H2N)的新框架，该框架将混合机制/数据驱动模型与神经符号AI连接起来。这种方法将混合建模设计转化为神经符号接口，将机制知识视为语言，将学习模块视为信念，将约束视为逻辑。H2N框架引入了两个指标：结构违规率 (SVR)，用于评估对机制结构的遵循程度；以及信念分散度 (BD)，用于量化机制组件中的认知不确定性。这些指标在一个二元分类案例研究中得到了验证，结果表明较高的SVR和BD与更高的准确性变异性和外推过程中的更好不确定性量化相关。 AI

影响 这项研究通过更好地整合领域知识和学习组件，有望带来更强大、更可解释的AI模型。

排序理由 该集群包含一篇详细介绍神经符号AI新框架和方法的 ist 研究论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架将混合模型与神经符号AI连接起来

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Moein E. Samadi, Andreas Schuppert ·

    从混合机制驱动--数据驱动建模迈向神经符号AI：是什么、为什么以及如何做

    arXiv:2607.22811v1 Announce Type: cross Abstract: Hybrid mechanistic/data-driven models, which combine first-principles with learned components, are increasingly used in process engineering and scientific machine learning. Common hybrid modeling designs are specified primarily th…

相关实体

相关话题