本論文では、説明論理に基づく知識ベースから説明可能な分類モデルを学習するための新しいニューラル推論機構EBRを提案しています。従来の神経-記号的概念学習アプローチは、実世界の知識ベースに適用できないことが多く、その理由は説明論理推論器が不整合や誤ったデータに対して堅牢でないことにあります。EBRは、原子概念と存在制限のインスタンスを取得することで、SHOIQの任意の概念のインスタンス集合を取得または近似することが可能です。実験では、EBRが従来の最先端推論器に比べて、欠損データや誤ったデータに対しても堅牢であることが示されています。この取り組みは、より信頼性の高い概念学習を実現するための新たな一歩となります。