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