知识库：人工智能、机器学习、深度学习、数据挖掘或数学。翻译后的标题：区间逻辑张量网络翻译后的摘要：本文介绍了区间实逻辑（IRL），这是一种解释使用实特征数据序列的知识的双分类型逻辑体系，例如顺序属性（轨迹）和事件属性。我们使用模糊逻辑解释连接符，梯形模糊区间表示事件持续时间，使用区间面积之间的关系表示模糊时间关系。我们提出了区间逻辑张量网络（ILTN），这是一种神经符号系统，通过在IRL中传播梯度来学习。为了支持有效的学习，ILTN使用softplus激活定义了IRL模糊区间和时间关系的平滑版本。我们展示了在需要推理事件并预测它们的模糊持续时间的合成任务中，ILTN可以成功地利用IRL表示的知识。我们的结果表明，该系统能够使事件符合背景时间知识。（翻译中，英文专有名词需要用英文标明，标题和摘要之间需要添加' (Interval Logic Tensor Networks)

2023 年 3 月 31 日

翻译：知识库：人工智能、机器学习、深度学习、数据挖掘或数学。翻译后的标题：区间逻辑张量网络翻译后的摘要：本文介绍了区间实逻辑（IRL），这是一种解释使用实特征数据序列的知识的双分类型逻辑体系，例如顺序属性（轨迹）和事件属性。我们使用模糊逻辑解释连接符，梯形模糊区间表示事件持续时间，使用区间面积之间的关系表示模糊时间关系。我们提出了区间逻辑张量网络（ILTN），这是一种神经符号系统，通过在IRL中传播梯度来学习。为了支持有效的学习，ILTN使用softplus激活定义了IRL模糊区间和时间关系的平滑版本。我们展示了在需要推理事件并预测它们的模糊持续时间的合成任务中，ILTN可以成功地利用IRL表示的知识。我们的结果表明，该系统能够使事件符合背景时间知识。（翻译中，英文专有名词需要用英文标明，标题和摘要之间需要添加'

Samy Badreddine,Gianluca Apriceno,Andrea Passerini,Luciano Serafini

In this paper, we introduce Interval Real Logic (IRL), a two-sorted logic that interprets knowledge such as sequential properties (traces) and event properties using sequences of real-featured data. We interpret connectives using fuzzy logic, event durations using trapezoidal fuzzy intervals, and fuzzy temporal relations using relationships between the intervals' areas. We propose Interval Logic Tensor Networks (ILTN), a neuro-symbolic system that learns by propagating gradients through IRL. In order to support effective learning, ILTN defines smoothened versions of the fuzzy intervals and temporal relations of IRL using softplus activations. We show that ILTN can successfully leverage knowledge expressed in IRL in synthetic tasks that require reasoning about events to predict their fuzzy durations. Our results show that the system is capable of making events compliant with background temporal knowledge.

翻译：'。）