Robust AI by Integration of Knowledge Representation and Machine Learning

通过知识表示和机器学习的集成实现强大的人工智能

基本信息

  • 批准号:
    21H04905
  • 负责人:
  • 金额:
    $ 26.54万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Scientific Research (A)
  • 财政年份:
    2021
  • 资助国家:
    日本
  • 起止时间:
    2021-04-05 至 2025-03-31
  • 项目状态:
    未结题

项目摘要

機械学習(ML)と知識表現・推論(KR)の両技術を有機的に統合することで説明可能でありロバスト性も有するようなAI技術基盤の確立を目指し、3つの目標:(A)KR技術の導入によるML技術の説明可能性・更新容易性の向上(B)ML技術に支えられたロバストなKR技術の開発(C)MLとKRの統合による画期的なAI応用、を設定し研究2年目の2022年度は以下の進捗があった。(A)機械学習における分類器の入出力関係を正しく説明するために、KRの信念修正で研究されてきた合理的基準を分類器の編集に適用し、オペレータに対する構成的特徴付けを与え分類器のロバスト性を向上させた。また変分オートエンコーダのアンサンブル手法を提案し膨大な数から重要な遺伝子だけを抽出する方法を開発し、論理プログラムを用いて活性化された遺伝子から細胞状態を予測する実験によりアンサンブルの有効性を確認した。さらにSNSユーザの振る舞い予測モデル構築の基礎として議論フレームワークと論理プログラムを相互参照して統合的に推論を行う枠組を開発した。(B)SAT問題を線形空間におけるコスト関数最小化問題として解くSATソルバMatSatの初期値をSAT問題を学習したグラフニューラルネットにより与えることにより、求解性能を飛躍的に高めることに成功した。また一階述語論理プログラム学習を微分可能化することでロバストかつスケーラブルな帰納論理プログラミング方式を開発した。(C)論理式等の記号的知識表現と画像や数値等の連続データ分析を組み合わせた手法として安定性に関する制約を付加した場合の時系列深層モデルに関する手法を開発した。また深層論理プログラミング言語T-PRISMをツールとしてより利用し易くするための改良を行った。さらにロバストなチーム生成法に関して変化時の技能回復率と計算効率とのトレードオフを考慮した部分ロバスト性の概念を提案した。
Machine Learning (ML), Knowledge Representation, Reasoning (KR), Technology Integration, Explanation Possibility, Possibility, Establishment of AI Technology Base, Objective:(A) Introduction of KR Technology, Explanation Possibility, Ease of Renewal,(B) Development of ML Technology, Support for KR Technology,(C) AI Application, Establishment of ML and KR Integration, and Research Progress for 2 Years to 2022. (A)Machine learning classifier input/force relationship is explained, belief correction is studied, reasonable criteria are applied to classifier compilation, classification and classification characteristics are improved. The method of extracting the important genes is developed, and the logic is used to activate the genes, predict the cell state, and confirm the existence of the genes. The foundation of SNS communication system is discussed in detail. The logic of SNS communication system is cross-referenced and the inference of SNS communication system is developed. (B)SAT problem: linear space optimization problem: SAT solution: MatSat initial value optimization problem: SAT learning problem: linear space optimization problem: SAT solution: SAT solution: MatSat initial value optimization problem: SAT solution: SAT solution: SAT problem: SAT solution: SAT solution: SAT problem: SAT problem: SAT solution: SAT problem: SAT problem: SAT solution: SAT problem: SAT solution: SAT problem: SAT problem: SAT solution: SAT The first order predicate logic is developed to learn differential probability. (C)Knowledge representation of symbols such as logical expressions, images, numerical values, etc., and analysis of combinations of techniques, stability constraints, and time series of techniques are developed. Deep logic is used to improve speech quality. In this paper, we propose a new method of skill recovery rate calculation and partial skill recovery rate calculation.

项目成果

期刊论文数量(40)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Learning Deep Input-Output Stable Dynamics
  • DOI:
    10.48550/arxiv.2206.13093
  • 发表时间:
    2022-06
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Yuji Okamoto;Ryosuke Kojima
  • 通讯作者:
    Yuji Okamoto;Ryosuke Kojima
井上研究室ホームページ
井上实验室主页
  • DOI:
  • 发表时间:
  • 期刊:
  • 影响因子:
    0
  • 作者:
  • 通讯作者:
Interlinking Logic Programs and Argumentation Frameworks
  • DOI:
    10.1007/978-3-031-15707-3_25
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Chiaki Sakama;Tran Cao Son
  • 通讯作者:
    Chiaki Sakama;Tran Cao Son
Learning from interpretation transition using differentiable logic programming semantics
使用可微逻辑编程语义从解释转换中学习
  • DOI:
    10.1007/s10994-021-06058-8
  • 发表时间:
    2021-09
  • 期刊:
  • 影响因子:
    7.5
  • 作者:
    Kun Gao;Hanpin Wang;Yongzhi Cao;Katsumi Inoue
  • 通讯作者:
    Katsumi Inoue
Linear Algebraic Computation of Propositional Horn Abduction
命题角外延的线性代数计算
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

井上 克巳其他文献

推論とAIプログラミング
推理和人工智能编程
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    0
  • 作者:
    井上 克巳;坂間 千秋;佐藤 泰介
  • 通讯作者:
    佐藤 泰介
CDCLソルバーのための軽量動的簡単化手法
CDCL求解器的轻量级动态简化方法
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    田村 直之;井上 克巳;鍋島 英知;番原 睦則;宋 剛秀;三神 直彬,鍋島 英知;杉本 拓也,鍋島 英知
  • 通讯作者:
    杉本 拓也,鍋島 英知
SATソルバーの最近の進展
SAT 求解器的最新发展
  • DOI:
  • 发表时间:
    2016
  • 期刊:
  • 影响因子:
    0
  • 作者:
    鍋島 英知;岩沼 宏治;井上 克巳
  • 通讯作者:
    井上 克巳
記号推論と科学
符号推理与科学
  • DOI:
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    0
  • 作者:
    五島 敏芳;戸田 健太郎;水島 和哉;高田 良宏;末田 岳,阪 直幸,Vibol Yem,池井 寧,雨宮智浩,佐藤 誠;井上 克巳
  • 通讯作者:
    井上 克巳
大規模SAT問題の求解のための緩和解法の検討と提案
解决大规模 SAT 问题的宽松解决方法的检验和提出
  • DOI:
  • 发表时间:
    2014
  • 期刊:
  • 影响因子:
    0
  • 作者:
    田村 直之;井上 克巳;鍋島 英知;番原 睦則;宋 剛秀;三神 直彬,鍋島 英知;杉本 拓也,鍋島 英知;横前 菜々子,鍋島 英知;渡辺 大樹,鍋島 英知;杉本 拓也,鍋島 英知;三神 直彬,鍋島 英知
  • 通讯作者:
    三神 直彬,鍋島 英知

井上 克巳的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('井上 克巳', 18)}}的其他基金

高度問題解決のための定理証明技法の研究
解决高级问题的定理证明技术研究
  • 批准号:
    06780307
  • 财政年份:
    1994
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Encouragement of Young Scientists (A)
電気メスの安全装置に関する研究
电手术刀安全装置的研究
  • 批准号:
    X00095----867087
  • 财政年份:
    1973
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for General Scientific Research (D)

相似海外基金

肝臓内酸素動態を含む透析低血圧発症予知モデルの構築:統計・機械学習分析による解析
构建预测透析低血压发作(包括肝内氧动态)的模型:使用统计和机器学习分析进行分析
  • 批准号:
    24K15796
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
臨床情報による高精度分娩進行予測モデルの開発: 機械学習の活用
利用临床信息开发高精度的分娩进展预测模型:利用机器学习
  • 批准号:
    24K13948
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
新興感染症のシステマティック・レビューを機械学習を用いて簡易に実施するための研究
利用机器学习轻松对新发传染病进行系统评价的研究
  • 批准号:
    24K13518
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
独立成分分析を活用した信頼性の高い機械学習手法の構築
使用独立成分分析构建可靠的机器学习方法
  • 批准号:
    24K15093
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
学習過程情報に基づき理由を説明可能な高速論理型機械学習器の開発の提案
开发可根据学习过程信息解释原因的高速逻辑机器学习装置的提案
  • 批准号:
    24K15095
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
多次元イベント時間データ解析の推測理論と方法・機械学習の開発
多维事件时间数据分析的推理理论和方法/机器学习的发展
  • 批准号:
    24K14853
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
速度ポテンシャルエネルギー整形法と機械学習を用いた宇宙機制御理論の開発
利用速度势能整形方法和机器学习发展航天器控制理论
  • 批准号:
    23K20946
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
ユビキタス機械学習社会におけるプライバシ保護基盤
无处不在的机器学习社会中的隐私保护基础设施
  • 批准号:
    23K21695
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
正則化機能強化による超ロバスト推定法の開拓と一般化:信号処理・機械学習への応用
通过加强正则化功能开发和推广超鲁棒估计方法:在信号处理和机器学习中的应用
  • 批准号:
    23K22762
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
攻撃に耐性を持つ機械学習モデルによる設計工程ハードウェアトロイ検知
使用抗攻击的机器学习模型在设计过程中检测硬件木马
  • 批准号:
    23K24816
  • 财政年份:
    2024
  • 资助金额:
    $ 26.54万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了