Erweiterte Suche

Knowledge injection via ML-based initialization of neural networks


Hoffmann, Lars ; Bartelt, Christian ; Stuckenschmidt, Heiner


[img] PDF
short20.pdf - Veröffentlichte Version
Download (909kB)

Weitere URL: http://ceur-ws.org/Vol-3052/
URN: urn:nbn:de:0074-3052-0
Dokumenttyp: Konferenzveröffentlichung
Erscheinungsjahr: 2021
Buchtitel: Proceedings of the CIKM 2021 Workshops (CIKMW 2021) co-located with 30th ACM International Conference on Information and Knowledge Management (CIKM 2021) : Gold Coast, Queensland, Australia, November 1-5,2021
Titel einer Zeitschrift oder einer Reihe: CEUR Workshop Proceedings
Band/Volume: 3052
Seitenbereich: 1-6
Veranstaltungstitel: KINN 2021, 1st Workshop on Knowledge Injection in Neural Networks (KINN)
Veranstaltungsort: Online
Veranstaltungsdatum: 01.11.2021
Herausgeber: Cong, Gao ; Ramanath, Maya
Ort der Veröffentlichung: Aachen, Germany
Verlag: RWTH Aachen
ISSN: 1613-0073
Sprache der Veröffentlichung: Englisch
Einrichtung: Außerfakultäre Einrichtungen > Institut für Enterprise Systems (InES)
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Practical Computer Science II: Artificial Intelligence (Stuckenschmidt 2009-)
Bereits vorhandene Lizenz: Creative Commons Namensnennung 4.0 International (CC BY 4.0)
Fachgebiet: 004 Informatik
Freie Schlagwörter (Englisch): knowledge injection , neural networks , initialization , machine learning
Abstract: Despite the success of artificial neural networks (ANNs) for various complex tasks, their performance and training duration heavily rely on several factors. In many application domains these requirements, such as high data volume and quality, are not satisfied. To tackle this issue, different ways to inject existing domain knowledge into the ANN generation provided promising results. However, the initialization of ANNs is mostly overlooked in this paradigm and remains an important scientific challenge. In this paper, we present a machine learning framework enabling an ANN to perform a semantic mapping from a well-defined, symbolic representation of domain knowledge to weights and biases of an ANN in a specified architecture.
Zusätzliche Informationen: KINN 2021, 1st Workshop on Knowledge Injection in Neural Networks (KINN) fand am 1.11.2011 im Rahmen der CIKM 2021 statt -- Online-Ressource




Dieser Eintrag ist Teil der Universitätsbibliographie.

Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt.




Metadaten-Export


Zitation


+ Suche Autoren in

BASE: Hoffmann, Lars ; Bartelt, Christian ; Stuckenschmidt, Heiner

Google Scholar: Hoffmann, Lars ; Bartelt, Christian ; Stuckenschmidt, Heiner

ORCID: Hoffmann, Lars ORCID: https://orcid.org/0000-0002-9667-0310, Bartelt, Christian and Stuckenschmidt, Heiner ORCID: https://orcid.org/0000-0002-0209-3859

+ Download-Statistik

Downloads im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen