文献

J-GLOBAL ID：202002256853098332   整理番号：20A2094494

知識注入深層学習【JST・京大機械翻訳】

Knowledge-infused Deep Learning

著者 (5件)： Gaur Manas (University of South Carolina, Columbia, SC, USA) ,  Kursuncu Ugur (University of South Carolina, Columbia, SC, USA) ,  Sheth Amit (University of South Carolina, Columbia, SC, USA) ,  Wickramarachchi Ruwan (University of South Carolina, Columbia, SC, USA) ,  Yadav Shweta (University of South Carolina, Columbia, SC, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： HT ’20  ページ： 309-310  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層学習は,コンピュータビジョンと自然言語処理における必須タスクのために,過去10年間,顕著な成功を示した。しかし,広範なデータや信頼,説明可能性,トレーサビリティ,および対話性への依存性のような実世界事例における人工知能(AI)モデルの開発と展開に課題が残っている。これらの課題は,ヘルスケア,サイバー脅威,危機応答,自律運転,および将来の製造を含むハイリスク分野で増幅される。一方,知識グラフによる記号コンピューティングは,信頼できる性能を有する特定のタスクにおいて著しい成長を示した。このチュートリアル(a)は,記号コンピューティング(b)によるニューラルコンピューティングを合成するための知識注入深層学習の新しいパラダイムを議論し,深い学習における知識と注入方法の異なる形式を記述し,(c)ベンチマークデータセットと知識資源を用いて説明可能性と推論を保証するためのアプリケーション特異的評価方法について議論する。「知識注入学習」の得られたパラダイムは,ドメイン専門知識と物理モデルの両方から知識を結合する。浅い,半深度,および深部注入を含む広範囲の技術を,対応する直感,限界,使用事例,および応用とともに論じる。より多くの詳細は,尿http://kidl2020.aiisc.ai/を見つけることができる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  自然言語処理 ,  人工知能 ,  応用プログラム ,  公衆衛生 ,  トレーサビリティ ,  コンピュータビジョン ,  会話
準シソーラス用語： 自律性 ,  物理モデル ,  ニューロコンピューティング ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： 自律運転 ,  サイバー社会の脅威 ,  深層学習 ,  災害回復力 ,  知識グラフ ,  知識注入学習 ,  神経記号計算 ,  公衆衛生

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 知識 ,  注入 ,  深層学習