NeSyCat Torch는 신경망 기반 범주적 의미론을 위한 미분 가능한 텐서 구현체입니다. 기존의 다양한 진리 정의 방식을 통합하고, ULLER를 확장하여 강한 모나드와 진리값 집합 구조를 기반으로 합니다.
분산 모나드를 사용하여 참조 의미론과 측정 평가를 수행하고, 지연 로그 텐서 모나드를 통해 수치적으로 안정적인 미분 학습을 지원합니다. 배치 학습을 위해 배치 모나드도 활용합니다.
MNIST 덧셈 실험에서 HaskTorch, JAX, PyTorch 구현체는 LTN과 DeepProbLog보다 빠르고 정확하며, DeepStochLog에 근접한 정확도를 달성했습니다.