用于人工智能模型的神经符号学习的方法和电子装置制造方法及图纸

技术编号:45639010 阅读:8 留言:0更新日期:2025-06-27 18:46
提供了一种用于人工智能(AI)模型的神经符号学习的方法和电子装置。该方法包括接收包括各种内容的输入数据并确定AI模型的输出中针对输入数据的内容中的每个内容的预测概率,通过将预测概率与预定义的期望概率进行对比来确定AI模型的神经损失,通过将预测概率与预定的不期望概率进行对比来确定AI模型的符号损失,确定AI模型的多个层的权重,以及基于神经损失和符号损失来更新AI模型的多个层的权重。

【技术实现步骤摘要】
【国外来华专利技术】

本公开涉及人工智能(ai)。更具体地,本公开涉及ai模型的神经符号学习或训练,以及促进该ai模型在嵌入式装置上的部署。


技术介绍

1、ai模型对我们生活的各个方面都产生了深远的影响,预示着一个新的创新时代的到来。这些模型正被广泛应用于各种应用中,并且它们针对边缘计算的优化以及在嵌入式装置上的部署有助于推动它们的持续增长和成功。

2、尽管ai技术取得了重大进展,但传统的神经网络或系统仍然无法理解视觉概念。例如,如图1a所示,即使当对象从一个地方运动到另一个地方时,传统的神经ai系统也倾向于将对象标记为树。这主要是因为这样的系统不能从如图像或视频中所描绘的周围场景中完全掌握上下文信息。

3、此外,传统的神经ai系统在理解自然语言中固有的语言概念方面表现出缺陷。这在图1c和图1d中举例说明,其中,传统的神经ai系统无法区分“站在动物旁边”和“被动物追逐”。这种不足源于传统的神经ai系统无法理解语言概念的细微差别。

4、因此,希望提供一种用于ai模型的没有上述问题的机制。

5、以上信息仅作为背景信息呈现,以帮助理解本本文档来自技高网...

【技术保护点】

1.一种用于人工智能AI模型的神经符号学习的方法,所述方法包括:

2.如权利要求1所述的方法,其中,由所述电子装置基于所述神经损失和所述符号损失来更新所述AI模型的所述多个层的权重的方法包括:

3.如权利要求1所述的方法,

4.如权利要求3所述的方法,其中,所述多个常识事实包括预定义的规则集或与现实世界相关联的常识事实集中的至少一个。

5.如权利要求3所述的方法,其中,所述最大违反事实还包括与关于所述输入数据的所述多个常识事实相悖的事实。

6.如权利要求1所述的方法,还包括:

7.如权利要求6所述的方法,其中,使用神...

【技术特征摘要】
【国外来华专利技术】

1.一种用于人工智能ai模型的神经符号学习的方法,所述方法包括:

2.如权利要求1所述的方法,其中,由所述电子装置基于所述神经损失和所述符号损失来更新所述ai模型的所述多个层的权重的方法包括:

3.如权利要求1所述的方法,

4.如权利要求3所述的方法,其中,所述多个常识事实包括预定义的规则集或与现实世界相关联的常识事实集中的至少一个。

5.如权利要求3所述的方法,其中,所述最大违反事实还包括与关于所述输入数据的所述多个常识事实相悖的事实。

6.如权利要求1所述的方法,还包括:

7.如权利要求6所述的方法,其中,使用神经ai来确定所述多个内容,并且使用符号ai来确定所述多个内容之间的关系,其中,所述符号ai通过外部符号知识图遵循现实世界的常识。

8.一种用于人工智能ai模型的神经符...

【专利技术属性】
技术研发人员:思瑞尼瓦斯·搜米特瑞·米瑞亚拉埃夫西米娅·泰沙摩拉沙·阿尤布·夸德瑞维克拉姆·尼沃伊·拉杰迪兰温卡帕·玛拉
申请(专利权)人:三星电子株式会社
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1