Unità di Conoscenza Differenziabili Migliorano il Riconoscimento delle Immagini

È stata introdotta una nuova tecnica per incorporare competenze di dominio nelle reti neurali profonde, mirata a migliorare l'accuratezza del riconoscimento delle immagini. Questo metodo presenta un'Unità di Conoscenza Differenziabile (DKU) che regola i logit del classificatore per ottenere probabilità di classe migliorate. A differenza degli approcci tradizionali che incorporano conoscenze pregresse nelle funzioni di perdita o nel post-processing, la DKU estrae autonomamente conoscenza simbolica dalla supervisione del compito principale, eliminando la necessità di etichette di concetti. Utilizza regole di implicazione per illustrare le relazioni tra le classi del compito e i concetti impliciti derivati esclusivamente dai dati. Classificatori speciali determinano i concetti, e le loro probabilità sono integrate con le probabilità delle classi primarie nella DKU. Attraverso l'inferenza fuzzy, la DKU genera un vettore di aggiustamento basato sulla logica per modificare i logit delle classi primarie, affrontando efficacemente il problema della mancanza di regole simboliche nelle applicazioni pratiche di visione. Questo studio è disponibile su arXiv con l'identificatore 2604.27759.