न्यूरो-सिंबॉलिक प्रोग्रामिंग भाषा Scallop

 (scallop-lang.org)
1 पॉइंट द्वारा GN⁺ 2025-03-24 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें

  • Scallop का परिचय

    • Scallop एक declarative भाषा है, जिसे AI applications में समृद्ध symbolic reasoning को support करने के लिए डिज़ाइन किया गया है.
    • यह Datalog पर आधारित relational databases के लिए logic rule-based query language है.

  • Solver

    • Scallop एक scalable Datalog solver है, जो discrete, probabilistic, और differentiable reasoning modes को support करता है.
    • अलग-अलग AI applications की ज़रूरतों के अनुसार इन modes को configure किया जा सकता है.

  • Framework

    • Scallop Python programs के भीतर logic reasoning modules को support करने के लिए bindings प्रदान करता है.
    • इसे PyTorch machine learning pipelines के साथ गहराई से integrate किया जा सकता है.

  • विभिन्न application क्षेत्र

    • Scallop का उपयोग vision और natural language processing (NLP) में symbolic reasoning शामिल करने वाले विभिन्न applications विकसित करने के लिए किया जा सकता है.
    • reasoning components को logic rules के जरिए specify किया जा सकता है, और इन्हें convolutional neural networks तथा transformers जैसे machine learning models के साथ गहराई से integrate किया जा सकता है.

  • CLEVR, संयोजकीय भाषा और बुनियादी दृश्य reasoning

    • यह कार्य दी गई image में सरल 3D objects के बारे में reasoning करके "कितनी objects नीले रंग से रंगी हुई हैं?" जैसे सवालों का जवाब देने से संबंधित है.
    • Scallop का उपयोग करके image का symbolic representation बनाने वाले neural components और सवाल को व्यक्त करने वाली programming queries का उपयोग किया जाता है.
    • reasoning components उन विभिन्न कार्यों को specify करते हैं जो निर्धारित गुणों वाले objects का selection, comparison, और counting करते हैं.

  • Pathfinder, long-range connectivity reasoning

    • इस कार्य में दो बिंदुओं और dashed lines वाली black-and-white images दी जाती हैं.
    • लक्ष्य यह तय करना है कि क्या वे दो बिंदु dashed lines से जुड़े हुए हैं.
    • Scallop का उपयोग करके सरल neural architecture और logic rules के माध्यम से इस कार्य को कुछ lines of code में program किया जा सकता है, और यह state-of-the-art transformers से बेहतर प्रदर्शन दिखाता है.

  • हाथ से लिखे गए समीकरणों का मूल्यांकन

    • इस कार्य में 0 से 9 तक के अंक और सरल arithmetic operations वाली handwritten symbols की sequence दी जाती है.
    • लक्ष्य सूत्र को पहचानना और expression का evaluation करना है.
    • Scallop का उपयोग करके एक पूर्ण context-free grammar parser लिखा जा सकता है, जो probabilistic inputs को parse कर सकता है.
    • neural model के साथ training करके यह सबसे अधिक संभावित formula को अपने-आप ढूंढता है और evaluated result लौटाता है.

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.