PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.17851v1cs.AI

신경-기호 추론의 호모토피 타입 이론적 일반화

A homotopy-type-theoretic generalization of neurosymbolic inference

다양한 신경-기호(NeSy) 시스템은 하나의 함수량(functional)을 계산한다. 이는 $σ$-구조들의 공간에 대한 논리적 양의 신념 가중 합으로, 가중 모델 카운팅(weighted model counting), 퍼지 논리(fuzzy logic), 확률 논리(probabilistic logic)의 특수한 경우들이다. 이 설명은 집합에 기반하며, 집합은 NeSy에 중요한 두 가지를 의도적으로 잊어버린다: 이론의 대칭에 관해 두 $σ$-구조가 동일한 경우, 그리고 쿼리를 증명하는 서로 다른 증명이 몇 개인지이다. 기저 집합을 호모토피 타입 이론(homotopy type theory) 의미의 타입으로 대체하면 이 정보를 보존하며, 이 함수량을 신념 가중 호모토피 기수(belief-weighted homotopy cardinality)로 바꾼다. 이는 각 객체를 그 대칭에 반비례하여 세는 크기 개념이다. 우리는 NeSy 시스템을 위해 이 틀을 처음부터 개발하고, 대칭이 자명할 때 고전적 함수량을 복원하는 보존성 정리(conservativity theorem)를 증명하며, 우리 틀이 드러내는 대칭이 추론 지름길(reasoning shortcuts) 뒤에 있는 바로 그 대칭임을 보인다. 그 결과는 구체적이다: 최근 방법들이 앙상블 또는 표현력 있는 밀도 추정(expressve density estimation)으로 도달하는 지름길 인식 개념 사후분포(shortcut-aware concept posterior)는 혼동 집합 심플렉스(confusion-set simplex)의 유일한 대칭 불변 점이며, 대칭군에 걸쳐 단일 모델을 평균 내는 것으로 닫힌 형태로 계산할 수 있다. MNIST 추론-지름길 벤치마크에서 이 단일-모델 래퍼는 다양성 학습 앙상블보다 보정이 더 우수하며, 레이블 정확도와 식별 가능한 개념은 그대로 유지한다. 코드는 https://github.com/bio-ontology-research-group/hott-nesy 에서 자유롭게 이용할 수 있다.