The DeepProbCEP system for neuro-symbolic complex event recognition
Master Thesis
Συγγραφέας
Varsou, Panagiota
Βάρσου, Παναγιώτα
Ημερομηνία
2024-01Επιβλέπων
Katzouris, NikolaosΚατζούρης, Νικόλαος
Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Neural-symbolic learning ; Complex event recognition ; DeepProbLog ; DeepProb- CEP ; Neural networks ; Symbolic inference ; Temporal reasoning ; Knowledge representation ; Deep learning ; MNISTΠερίληψη
Αυτή η έρευνα εξερευνά τη συμβολή των νευρωνικών δικτύων και της συμβολικής συλλογι- στικής, επικεντρώνοντας ιδιαίτερα στην εφαρμογή της νευρο-συμβολικής μάθησης και συλλογι- στικής στην Αναγνώριση Σύνθετων Συμβάντων (CER). Κεντρικό στοιχείο αυτής της μελέτης είναι η εξερεύνηση του DeepProbLog, ενός κορυφαίου νευρο-συμβολικού πλαισίου. Το DeepProbLog διακρίνεται από την επιδέξια ενσωμάτωση της λογικής εκφραστικότητας με τη στατιστική δύναμη των νευρωνικών δικτύων και του προγραμματισμού πιθανοτήτων. Ενώ το πλαίσιο Neuroplex προ- σφέρει επίσης έναν αξιόπιστο συνδυασμό νευρωνικών δικτύων και λογικού προγραμματισμού, το DeepProbLog επιλέχθηκε για τη βελτιωμένη του ικανότητα να μοντελοποιεί απευθείας την αβε- βαιότητα και να μαθαίνει αποτελεσματικά από σπάνια δεδομένα. Η δύναμη του DeepProbLog βρίσκεται στην ικανότητά του να συλλογίζεται πάνω σε υψηλού επιπέδου έννοιες και σχέσεις χρησιμοποιώντας πιθανοτικό λογικό προγραμματισμό, σε συνδυασμό με την επάρκειά του στο χειρισμό σπάνιων δεδομένων μέσω πιθανοτικού συλλογισμού. Αυτό το πλαίσιο επιτρέπει τον δη- λωτικό ορισμό πολύπλοκων μοτίβων συμβάντων, διευκολύνοντας την περίπλοκη CER μέσω του άμεσου μοντελοποιητικού και συλλογιστικού εργαστηρίου πάνω σε διάφορες αναπαραστάσεις δεδομένων. Αυτή η διατριβή παρουσιάζει μια λεπτομερή αξιολόγηση του DeepProbCEP, μιας επέκτασης του DeepProbLog, σε διάφορες εργασίες CER στο σύνολο δεδομένων MNIST. Περι- λαμβάνει μια λεπτομερή συγκριτική ανάλυση έναντι μοντέλων που βασίζονται αποκλειστικά σε νευρικές ή συμβολικές προσεγγίσεις, επισημαίνοντας τα εγγενή τους πλεονεκτήματα και περιορι- σμούς. Η έρευνα προσφέρει πολύτιμες πληροφορίες για πιθανές μελλοντικές προόδους στη CER, επικεντρωμένες στη χρήση του DeepProbCEP. Ενώ το κύριο επίκεντρο αυτής της έρευνας είναι το DeepProbCEP λόγω των ικανοτήτων του στη μοντελοποίηση της αβεβαιότητας και της μάθησης από σπάνια δεδομένα, αναγνωρίζεται επίσης το δυναμικό του Neuroplex εντός του τομέα CER. Αυτή η μελέτη συμβάλλει στον τομέα όχι μόνο επιβεβαιώνοντας την υπόσχεση του DeepProbCEP ως πλαισίου για την CER αλλά και θέτοντας τα θεμέλια για μελλοντικές εξερευνήσεις και προό- δους στη νευρο-συμβολική μάθηση και συλλογιστική.