布拉泽祖潘;马尔科·博哈内克;珍妮斯·德姆沙尔;伊万·布拉特科 通过发现概念层次结构进行学习。 (英语) Zbl 0916.68127号 Artif公司。智力。 109,编号1-2,211-242(1999). 摘要:我们提出了一种新的机器学习方法,该方法在给定一组训练示例的情况下,根据中间概念及其定义的层次结构归纳出目标概念的定义。这有效地将问题分解为更小、更不复杂的问题。该方法受到了用于开关电路设计的布尔函数分解方法的启发。为了解决寻找最优分解的高时间复杂度问题,我们提出了一种次优启发式算法。该方法在程序HINT(Hierarchy INduction Tool)中实现,并使用一组人工和真实世界的学习问题进行了实验评估。特别是,评估涉及分解的泛化特性及其发现有意义层次的能力。实验表明,HINT在这两方面都表现良好。 引用于6文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:功能分解;机器学习;概念层次结构;概念发现;推定归纳法;一般化 软件:UCI-毫升;提示;第4.5条;DEX公司 PDF格式BibTeX公司 XML格式引用 \textit{B.Zupan}等人,Artif。智力。109,编号1-2211-242(1999年;Zbl 0916.68127) 全文: 内政部