直播预告 | 原始数据中的反绎知识归纳

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

1月20日晚 7:30-8:30

AI TIME 青年科学家系列特别邀请英国帝国理工学院计算机系副研究员——戴望州老师，给大家带来分享：《原始数据中的反绎知识归纳》

哔哩哔哩直播通道

★ 嘉宾简介 ★

戴望州：

英国帝国理工学院计算机系副研究员，2019年毕业于南京大学计算机系 ，是IBM博士生英才计划奖、Google优秀奖学金获得者。他在AAAI、NeurIPS、ILP、ACML、ICDM、Machine Learning等人工智能和机器学习领域顶级国际会议与期刊中发表过多篇学术论文。研究方向包括人工智能、机器学习与数据挖掘、归纳逻辑程序设计等，主要研究兴趣是结合机器学习与符号推理的人工智能。目前担任IJCAI、AAAI、NeurIPS、ICML、ECML等人工智能和机器学习领域国际会议程序委员会委员。　

分享内容：

原始数据中的反绎知识归纳

报告简介：

在许多机器学习任务中，既存在着充满噪声的原始输入，又需要复杂的推理能力。因此，设计一个合适的端到端学习算法非常困难。神经符号学习将此类任务分为符号感知和符号推理两个子问题，试图同时利用数据驱动的机器学习和知识驱动的推理方法来解决它。然而，为了桥接这两类系统，需要定义一个拥有指数级计算复杂度的接口，它导致机器学习模型的训练缺乏直接监督信息，且符号推理模型缺乏准确的输入事实。因此，现有的神经符号学习方法均假设存在一个充分的符号知识库，并利用它辅助机器学习模型训练。它们均回避了一个关键问题：知识从哪里来？在本文中，我们提出了反绎元解释学习（MetaAbd），它将反绎推理和归纳推理结合起来，从具有噪声的原始数据中同时学习神经网络和反绎逻辑模型。实验结果表明，MetaAbd不仅在预测精度和数据效率方面优于其他同类系统，而且它所归纳的逻辑程序可以作为背景知识在后续学习任务中重新使用。据我们所知，MetaAbd是第一个能够同时训练神经网络并归纳递归一阶逻辑模型、实现谓词发明的机器学习系统。

直播结束后大家可以在群内进行提问，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“PhD-3”，将拉您进“AI TIME PhD 交流群-3”！

AI TIME微信小助手

主       办：AI TIME 

合作媒体：AI 数据派

合作伙伴：智谱·AI、中国工程院知领直播、学堂在线、蔻享学术、AMiner、 Ever链动

往期精彩文章推荐

记得关注我们呀！每天都有新知识！

 关于AI TIME 

2019年，清华大学人工智能研究院院长张钹院士、唐杰教授和李涓子教授等人联合发起“AI TIME science debate”，希望用辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。

AI TIME是清华大学计算机系一群关注人工智能发展，并有思想情怀的青年学者创办的圈子。AI TIME旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家与爱好者，打造成为全球AI交流与知识分享的聚集地。

我知道你

在看

哦

~

点击 阅读原文 预约直播！