신경망 안에 만족가능성 풀이 층을 넣으면 규칙을 배울 수 있을까?
SATNet은 미분 가능한 근사 MAXSAT 풀이 층을 신경망에 넣어 패리티·스도쿠·시각 스도쿠의 논리 구조를 제한된 감독으로 학습했습니다.
SATNet: Bridging Deep Learning and Logical Reasoning Using a Differentiable Satisfiability Solver
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
SATNet은 미분 가능한 근사 MAXSAT 풀이 층을 신경망에 넣어 패리티·스도쿠·시각 스도쿠의 논리 구조를 제한된 감독으로 학습했습니다.
SATNet: Bridging Deep Learning and Logical Reasoning Using a Differentiable Satisfiability Solver
Argument Interchange Format의 정보 노드와 도식 적용 노드를 통해 문장 내용과 추론 행위를 분리해야 논증 구조를 교환·확장할 수 있음을 살펴봅니다.
Towards an argument interchange format
Wagemans는 논증 유형을 식별할 때 형식·내용·설득의 지렛대를 단계적으로 해석해야 한다고 제안합니다.
How to identify an argument type? On the hermeneutics of persuasive discourse
세 논쟁적 주제의 실험은 초기 태도가 약한 참가자에게 그래프의 설득 효과가 더 컸지만 강한 반대 태도에서는 달라질 수 있음을 보였습니다.
The Persuasive Power of Data Visualization
50개 연구의 63개 조건과 5,036명을 종합한 메타분석은 선택 과부하의 평균 효과가 사실상 0에 가까웠지만 연구 간 차이가 컸다고 보고했습니다.
Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload
1–5 / 14편