按年被提到
20222023 · 4 次2026
机器学习与深度学习›神经网络架构探索·arXiv:2203.04571 · cs.LG

A Neuro-vector-symbolic Architecture for Solving Raven's Progressive Matrices

用于求解瑞文渐进矩阵的神经-向量-符号架构
Michael Hersche, Mustafa Zeqiri, Luca Benini, Abu Sebastian, Abbas Rahimi · 2022

用高维分布式表示统一神经网络与符号推理来解瑞文推理题

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 4 人首次 2023-03-06 · 最近 2023-05-06
4不同的人
3活跃月份
4讨论串
85被引(OpenAlex)

论文指出神经网络难以把联合表示分解为独立对象(绑定问题),符号 AI 则面临规则穷举搜索,神经符号 AI 中这两个问题依然明显。作者提出神经-向量-符号架构(NVSA),利用高维分布式表示上的强大算子作为神经网络与符号 AI 之间的共同语言。在瑞文渐进矩阵数据集上,端到端训练的 NVSA 在 RAVEN 上达到 87.7%、在 I-RAVEN 上达到 88.1% 的平均准确率,并且其概率推理比神经符号方法中的符号推理快两个数量级。

HN 为什么提它

评论者只是在帖子里给出这篇预印本的开放链接,作为一篇被报道成果的公开版本。

方法难度 4 / 5约 50 分钟经得起时间
读之前最好知道
1神经符号 AI(neuro-symbolic AI)
2高维计算与向量符号架构(hyperdimensional computing)
3瑞文渐进矩阵(Raven's progressive matrices)
4绑定问题(binding problem)

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用abecedarius · 2023-04

“one of them does link to a preprint version: A Neuro-vector-symbolic Architecture for Solving Raven's Progressive Matrices”

指出其中一个链接指向这篇论文的预印本
A New Approach to Computation Reimagines Artificial Intelligence原评论 ↗
被提交为 story · 3 次