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
GSM8K와 학습된 검증기는 풀이 생성과 후보 선택을 분리해 다단계 산술 추론을 개선하는 방법과 그 한계를 보여 줍니다.
Training Verifiers to Solve Math Word Problems
15개 STEM 연구 메타분석은 평균 향상과 격차 축소가 같지 않음을 보였습니다.
Active Learning Narrows Achievement Gaps for Underrepresented Students in Undergraduate STEM
Kale와 동료들은 가능한 결과 표본을 차례로 보여 주는 HOPs가 훈련받지 않은 독자의 모호한 추세 판단을 도울 수 있는지 실험했다.
Hypothetical Outcome Plots Help Untrained Observers Judge Trends in Ambiguous Data
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
6–10 / 56편