【极简笔记】Tunneling Neural Perception and Logic Reasoning through Abductive Learning

【极简笔记】Tunneling Neural Perception and Logic Reasoning through Abductive Learning

论文地址https://arxiv.org/abs/1802.01173

本文的核心贡献是提出Neural Logical Machine（NLM），文中实验用它来学习判断一个手写等式是否成立（注意，这个等式可以是二进制计算等式，也可以是异或等式，等式的运算符号和digit都可以自行定义，训练时的label只有等式成立或不成立）。简而言之，给一堆两位数三位数的计算，学习运算规律，判断五位数六位数计算的式子是否满足该运算规律。

NLM输入是手写体式子，预测输出判断该式子是否成立。结构主要分为三部分：
1. perception neural layer
使用CNN+FC layer+softmax实现，用于区分手写符号
2. logical layer
使用Prolog model，利用非梯度优化方法计算获得手写公式的符号标注，训练