FFNSL: Feed-Forward Neural-Symbolic Learner

Logic-based machine learning aims to learn general, interpretable knowledge in a data-efficient manner. However, labelled data must be specified in a structured logical form. To address this limitation, we propose a neural-symbolic learning framework, called Feed-Forward Neural-Symbolic Learner (FFN...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Machine learning Jg. 112; H. 2; S. 515 - 569
Hauptverfasser:	Cunnington, Daniel, Law, Mark, Lobo, Jorge, Russo, Alessandra
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	New York Springer US 01.02.2023 Springer Nature B.V
Schlagworte:	Artificial Intelligence Computer Science Control Impact analysis Logic Machine Learning Mechatronics Natural Language Processing (NLP) Neural networks Robotics Simulation and Modeling Special issue on Learning and Reasoning Unstructured data Neural-symbolic learning Inductive logic programming Distributional shift Logic-based machine learning
ISSN:	0885-6125, 1573-0565
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!