Centrala begrepp
ニューロシンボリックアプローチがニューラルアーキテクチャを大きく上回ることが示されました。
Sammanfattning
ロボットや他の自律型サイバー物理システムが環境を理解し、人間と対話するためには、複雑なイベント(CEs)をセンサーからの観測を使用して理解する必要があります。最近の研究では、ニューラルアーキテクチャは騒々しく不確かなセンサーデータを効果的に処理できますが、その限られたコンテキストサイズと推論能力により、長期間および空間で展開される複雑なイベントを識別することが制限されています。一方、人間の知識に基づいた象徴的なモデルと組み合わせた神経記号法に基づくCEPシステムは、人間の知識を元に高いパフォーマンスを追求します。実証分析では、神経記号法アプローチが純粋なニューラルアーキテクチャよりも優れたパフォーマンスを示すことが一貫して示されました。
この研究では、異なるニューラルおよびニューロシンボリックアーキテクチャの性能を詳細に調査しました。具体的には、IMUおよび音響ストリームからリアルタイムでCEパターンを認識する多モードCEDタスクを定式化しました。我々は以下の点で評価しました:(i) センサー埋め込みベクトルの系列からCEを直接検出するエンド・トゥ・エンド・ニューラル・アーキテクチャ(ii)2段階コンセプトベースのニューラル・アーキテクチャ(iii)AE系列からCEを検出する神経記号法アーキテクチャ。
我々の実証分析では、神経記号法アプローチが純粋なニューラル・アーキテクチャよりも平均F1スコアで41%優れていることが示されました。
Statistik
ニュートラルAE + FSMモデルは平均F1スコアで99.9%です。
TCNモデルは平均F1スコアで54%です。
トランスフォマーは平均F1スコアで41%です。
Citat
"神経記号法手法は人間の知識の注入によってNNsよりも優れた性能を発揮します。"
"NNsは正確なタイミングを捉えることに苦労しており、特定の複雑なイベントごとに連続した正ラベルを生成する傾向があります。"