Học sâu (DL) là một nhánh của Trí tuệ nhân tạo (AI) tập trung vào việc đào tạo các mạng nơ-ron sâu. Nhờ khả năng xử lý lượng dữ liệu lớn, các mạng này đã đạt được những kết quả đáng chú ý trong nhiều lĩnh vực. Mặc dù đạt được những thành công này, DL vẫn phải đối mặt với một số hạn chế cản trở việc áp dụng nó vào các tình huống thực tế. Luận văn này đề cập đến ba thách thức chính: giảm nhu cầu giám sát, phòng thủ chống lại các cuộc tấn công đối nghịch và giải thích hành vi của mạng nơ-ron. Hai thách thức đầu tiên được giải quyết thông qua việc học từ các ràng buộc, kết hợp kiến ​​thức chuyên môn để hướng dẫn quá trình học và tăng cường tính mạnh mẽ của mô hình. Mặt khác, thách thức thứ ba được giải quyết bằng cách sử dụng việc học các ràng buộc, giúp xác định và chính thức hóa các mối quan hệ logic giữa các tác vụ đã học, từ đó cung cấp các giải thích có thể diễn giải được về hành vi của mạng.

Abstract:

Deep Learning (DL) is a branch of Artificial Intelligence (AI) that focuses on training deep neural networks. Thanks to their ability to process large amounts of data, these networks have achieved remarkable results across a variety of fields. Despite these successes, DL still faces several limitations that hinder its adoption in real-world scenarios. This thesis addresses three key challenges: reducing the need for supervision, defending against adversarial attacks, and explaining neural network behavior. The first two challenges are tackled through learning from constraints, which incorporates domain knowledge to guide the learning process and enhance model robustness. The third challenge, on the other hand, is addressed using learning of constraints, which helps identify and formalize logical relationships among learned tasks, thereby providing interpretable explanations of the networks’ behavior.

Ngôn ngữ:	eng
Tác giả:	Ciravegna, Gabriele
Thông tin nhan đề:	On the Two-fold Role of Logic Constraints in Deep Learning
Nhà xuất bản:	Firenze University Press
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by/4.0/
Nguồn gốc:	https://library.oapen.org/handle/20.500.12657/104535
Mô tả vật lý:	126p.
Năm xuất bản:	2025