RelNN公司 swMATH ID: 41817 软件作者: 塞耶德·梅赫兰·卡泽米(Seyed Mehran Kazemi)、大卫·普尔(David Poole) 描述: RelNN:关系学习的深层神经模型。统计关系人工智能(StarAI)旨在通过结合概率和一阶逻辑,在以对象和关系描述的噪声域中进行推理和学习。随着近年来深度学习的巨大进步,将深度网络与一阶逻辑相结合已成为最近几项研究的重点。然而,现有的许多尝试只关注关系而忽略对象属性。考虑对象属性的尝试在建模能力或可扩展性方面是有限的。在本文中,我们通过向关系逻辑回归(逻辑回归的关系对应项)中添加隐藏层来开发关系神经网络(RelNNs)。我们可以直接或通过一般规则学习对象的潜在属性。反向传播用于训练这些模型。模块化、分层架构有助于将深度学习社区中开发的技术应用于我们的架构。在三个真实数据集上对八个任务进行的初步实验表明,RelNN是关系学习的理想模型。 主页: https://arxiv.org/abs/1712.02831 源代码: https://github.com/Mehran-k/RelNN网站 相关软件: ProbLog(问题日志);亚当;DeepProbLog(深度探测日志);TensorLog公司;PyTorch公司;电影镜头;奥姆尼格洛特;AS 136标准;4.5条;PRMLT公司;Metaopt公司;图菲;cplint(cplint);SWI-预测;XSB公司;PITA公司;神经卫星;C模型;KagNet公司;NeurASP公司 引用于: 9文件 全部的 前5名34位作者引用 2 塞耶德·梅赫兰·卡泽米 2 乔塔姆·库纳普里 2 斯里拉姆·纳塔拉扬 1 曹永志 1 程洪红 1 吕克·德·雷德 1 托马斯·德梅斯特 1 塞巴斯蒂安杜曼奇奇 1 巴哈雷州法特米 1 彼得·福赛斯(Peter A.Forsyth)。 1 高坤 1 里沙布·戈尔 1 井上,胜美 1 杰恩,克什提吉 1 考尔,纳维迪普 1 克里斯汀·克斯汀 1 Khot,图沙尔 1 安吉丽卡·基米格 1 伊万·科比泽夫 1 伊芙琳娜·拉姆 1 罗宾·曼哈韦 1 阿诺Nguembang Fadja 1 大卫·L·普尔。 1 Poupart,帕斯卡 1 钱玉华 1 约翰内斯·拉博尔德 1 拉马南,南迪尼 1 法布里西奥·里古齐 1 尤特·施密德 1 阿克沙伊·塞提 1 迈克尔·西伯斯 1 王汉平 1 Yang、Zhun 1 郑克英 5篇连载文章中引用 三 机器学习 2 国际近似推理杂志 1 人工智能 1 数据挖掘与知识发现 1 机器学习研究杂志(JMLR) 在2个字段中引用 9 计算机科学(68至XX) 2 统计学(62-XX) 按年份列出的引文