BriefGPT - AI 论文速递
·
使用时间本地规则学习循环模型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该文介绍了一种能够逐步扩展解释性时间逻辑规则集的框架，通过时间点过程建模和学习框架，规则内容和权重将逐渐优化，直到观察的事件序列的似然性最佳。作者提出了一种神经搜索策略，通过学习生成新规则内容的一系列动作，训练好的策略可以以可控的方式生成新规则。作者在合成和真实的医疗数据集上评估了该方法，取得了有前景的结果。
🎯
关键要点
- 提出了一种逐步扩展解释性时间逻辑规则集的框架。
- 利用时间点过程建模和学习框架优化规则内容和权重。
- 算法通过更新当前规则集的权重和搜索新规则来增加似然性。
- 主问题被定义为凸问题，使用连续优化方法求解。
- 子问题需要在庞大的组合规则谓词和关系空间中进行搜索。
- 提出了一种神经搜索策略，通过学习生成新规则内容的动作。
- 策略参数使用强化学习框架进行端到端训练。
- 训练好的策略可以以可控的方式生成新规则。
- 在合成和真实的医疗数据集上评估方法，取得了有前景的结果。
➡️
