将 ContextGPT 的知识融入神经符号活动识别模型
原文中文,约500字,阅读约需2分钟。发表于: 。基于深度学习模型,上下文感知的人类活动识别是移动计算领域的热点研究方向。然而,这些系统的实际部署受到标注数据稀缺的限制。基于神经符号人工智能领域的研究提出了使用常识知识来缓解此问题,在人类活动识别深度学习分类器中融入关于人类活动及其上下文的常识知识。本研究中,我们提出了 ContextGPT:...
人的推理可以理解为直觉、联想的 “系统 1” 和理性、逻辑的 “系统 2” 之间的协作。研究人员提出了一个新的符号系统,利用大型语言模型的进展作为符号的近似,以提高解释性、泛化性和数据效率。通过模糊逻辑计算的规则推理出活动的语义。该方法在广泛的活动理解任务中显示了优越性。