【MIT博士论文】使用神经符号学习的鲁棒可靠智能系统

这篇论文表明，通过神经符号模型的视角来看待智能系统比传统的深度学习方法有几个好处。神经符号模型包含符号程序性构造，如循环、条件和连续的神经成分。符号部分使模型具有可解释性、泛化性和稳健性，而神经部分处理智能系统的复杂性。具体而言，本文提出了两类神经符号模型——状态机和神经符号transformers，并以基于强化学习的自主系统和多机器人系统为例对它们进行了评估。这些案例研究表明，学习的神经符号模型是人类可读的，可以外推到看不见的场景，并可以处理规范中的稳健目标。为了有效地学习这些神经符号模型，我们引入了利用机器学习和程序合成的最新技术的神经符号学习算法。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“MRSN” 就可以获取《【MIT博士论文】使用神经符号学习的鲁棒可靠智能系统》专知下载链接

                       

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取100000+AI(AI与军事、医药、公安等)主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取100000+AI主题知识资料