LTN-GANs

新的 LTN-GANs 方法将约束作为函数进行接地，以实现真实数据生成

研究人员开发了一种新的逻辑张量网络增强生成对抗网络（LTN-GANs）方法，该方法改进了硬约束集成到生成数据中的方式。与先前在谓词级别对约束进行评分的方法不同，这种新方法将公理作为函数符号进行接地。这使得模型能够学习不等式边距的分布，而不仅仅是满足或违反它们。该研究引入了分辨率比（R）作为诊断工具，以预测哪些接地方法将有效，表明函数符号为生成真实且有效的样本提供了更稳健的方法。