摘要
工具书类
Chang,C.L.,Lee,R.C.T.:符号逻辑和机械定理证明。 剑桥大学学术出版社(1973) Chen,R.,Gotsman,C.:路线图中高效的最快路径计算。 arXiv预印本 arXiv:1810.01776 (2018) Cingillioglu,N.,Russo,A.:深度逻辑:走向端到端可微逻辑推理。 在:AAAI关于将机器学习与知识工程相结合的2019春季研讨会,第2350卷。 CEUR-WS.org(2019年) Cohen,W.,Yang,F.,Mazaitis,K.R.:Tensorlog:使用深度学习基础设施实现的概率数据库。 J.阿蒂夫。 因特尔。 物件。 67 , 285–325 (2020) Dong,H.,Mao,J.,Lin,T.,Wang,C.,Li,L.,Zhou,D.:神经逻辑机。 参加:国际学习代表大会(2019年) d'Avila Garcez,A.S.、Gori,M.、Lamb,L.C.、Serafini,L.、Spranger,M.和Tran,S.N.:神经符号计算:机器学习和推理原则整合的有效方法。 J.应用。 逻辑 6 (4), 611–632 (2019) Kimmig,A.,Demoen,B.,De Raedt,L.,Costa,V.S.,Rocha,R.:关于概率逻辑编程语言ProbLog的实现。 arXiv预印本 arXiv:1006.4442号 (2010) Knuth,D.E.:编程艺术,第2卷:半数值算法,第2册。 Addison-Wesley,波士顿(1998) Lamb,L.C.,d'Avila Garcez,A.S.,Gori,M.,Prates,M.O.R.,Avelar,P.H.C.,Vardi,M.Y.:图形神经网络满足神经符号计算:调查与展望。 摘自:第二十届国际人工智能联合会议记录,第4877–4884页(2020) Manhaeve,R.,Dumancic,S.,Kimmig,A.,Demester,T.,De Raedt,L.:DeepProbLog:神经概率逻辑编程。 摘自:《神经信息处理系统进展》,第3749–3759页(2018年) 马库斯:人工智能的下一个十年:走向强大人工智能的四个步骤。 arXiv预印本 arXiv:2002.06177号 (2020) Marra,G.、Giannini,F.、Diligenti,M.、Gori,M.:将学习和推理与深层逻辑模型相结合。 摘自:数据库机器学习和知识发现联合欧洲会议,第517-532页(2019年) McCune,W.:Otter 3.3参考手册和指南。 技术报告,阿贡国家实验室(2003) Minervini,P.,Bosnjak,M.,Rocktäschel,T.,Riedel,S.,Grefenstette,E.:基于大型知识库和自然语言的差异推理。 摘自:《可解释人工智能知识图:基础、应用和挑战》,第125-142页。 IOS出版社(2020) 新泽西州尼尔森:《人工智能原理》。 Morgan Kaufmann,马萨诸塞州(2014) Rocktäschel,T.:将表征学习与语言处理逻辑相结合。 CoRR(2017)。 http://arxiv.org/abs/1712.09687 Russell,S.,Norvig,P.:《人工智能:现代方法》。 普伦蒂斯·霍尔出版社,第三版。 (2009) Sakharov,A.:知识表示和学习的层次规则。 摘自:IEEE第二届人工智能和知识工程国际会议,第167-171页(2019年) Sakharov,A.:结构化谓词定义的层次解析。 摘自:第11届希腊人工智能会议,第202-210页(2020年) Sakharov,A.:一种基于学习谓词表示法的最佳后向搜索策略。 在:第13届国际智能体与人工智能大会,第2卷,第982–989页(2021) Serafini,L.,d'Avila Garcez,A.S.:逻辑张量网络:数据和知识的深度学习和逻辑推理。 摘自:第11届神经符号学习和推理国际研讨会,第1768卷。 CEUR-WS.org(2016) Shen,Y.D.,Yuan,L.Y.,You,J.H.:循环检查带函数的逻辑程序。 西奥。 计算。 科学。 266 (1–2), 441–461 (2001) Stickel,M.E.:一个Prolog技术定理证明器:Prolog中的一个新的解释和实现。 西奥。 计算。 科学。 104 (1), 109–128 (1992) Swift,T.:表格逻辑编程的设计模式。 摘自:Abreu,S.,Seipel,D.(编辑)《声明式编程和知识管理的应用》。 INAP 2009。 计算机科学课堂讲稿,第6547卷,第1-19页。 斯普林格,海德堡(2009)。 https://doi.org/10.1007/978-3-642-20589-7_1 Van Krieken,E.,Acar,E.,Van Harmelen,F.:使用可微推理的半监督学习。 J.应用。 逻辑 6 (4), 633–651 (2019) Zhang,Y.,et al.:利用图神经网络进行有效的概率逻辑推理。 参加:国际学习代表大会(2020年)
作者信息
作者和附属机构
通讯作者
编辑器信息
编辑和附属机构
权利和权限
版权信息
关于本论文
引用本文
下载引文
内政部 : https://doi.org/10.1007/978-3-030-77445-5_52 出版 : 发布者名称 : 查姆施普林格 打印ISBN : 978-3-030-77444-8 在线ISBN : 978-3-030-77445-5 电子书包 : 智能技术和机器人 智能技术和机器人(R0)