inductive-logic-programming

本文提出了一种两阶段的神经符号框架，利用弱监督（仅需 1% 的标签）结合基于 Slot 的变分自编码器（VAE），学习用于以对象为中心的视觉推理的可解释符号，在领域泛化方面优于基础模型。

本文介绍了gammaILP，一个完全可微的框架，能够直接从图像数据中学习一阶规则，且无标签泄露，解决了符号接地和谓词发明等挑战。

本文介绍了神经规则归纳器（NRI），这是一种用于零样本逻辑规则归纳的基础模型，它利用与领域无关的统计特性，无需重新训练即可跨任务进行泛化。