×

兹马思-数学第一资源

从互不相同的例子进行答案集程序的增量和迭代学习。(英语) Zbl 06988665
摘要:多年来,人工智能(AI)社区已经产生了一些数据集,这些数据集为机器学习算法提供了在不同领域学习各种技能的机会。然而,这些以学习逻辑程序为目的的机器学习算法的一个子类,即归纳逻辑程序设计算法,由于这些数据集的庞大而常常失败。这影响了人工智能系统开发中知识表示和推理技术的可用性。在这项研究中,我们试图解决这个可伸缩性问题,为算法学习答案集程序。我们提出了一个健全和完整的算法,它以一种稍微不同的方式接受输入,并执行一个更有效和更用户控制的搜索解决方案。通过实验证明,我们的算法可以从机器学习社区的两个流行数据集bAbl(一个问答数据集)和MNIST(手写数字识别的数据集)中学习,这是我们所知不可能的。该系统可在https://goo.gl/KdWAcV.
理学硕士:
68N17 逻辑程序设计
68T05型 人工智能中的学习与自适应系统
68吨10 模式识别,语音识别
68T30型 知识表示
软件:
ILPME公司
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] Athakravi,D.;Alrajeh,D.;Broda,K.;Russo,A.;Satoh,K.《归纳逻辑编程,使用约束驱动偏差的归纳学习》,16-32,(2015),Springer:Springer,Cham
[2] Athakravi,D.;Corapi,D.;Broda,K.;Russo,A.,归纳逻辑编程国际会议,《使用答案集编程通过假设精化学习》,31-46,(2013),Springer·13168ZB166
[3] Dai,W.-Z.;Muggleton,S.H.;Zhou,Z.-H.,(2015年)
[4] Gelfond,M.;Lifschitz,V.,《逻辑编程的稳定模型语义》,ICLP/SLP,881070-1080,(1988)
[5] Gulwani,S.;Hernandez-Orallo,J.;Kitzelmann,E.;Muggleton,S.;Schmid,U.;Zorn,B.,《归纳编程与现实世界相遇》,《ACM的通信》,58,11,90-99,(2015)
[六] Katzouris,N.;Artikis,A.;Paliouras,G.,《归纳逻辑编程的事件定义增量学习》,机器学习,100,2-3,555-585,(2015)·Zbl 1341.68159
[7] Katzouris,N.;Artikis,A.;Paliouras,G.,(2017年)
[8] 卡兹姆勒,2017;卡兹米•卡兹米(SchüMügin)
[9] Law,M.;Russo,A.;Broda,K.,《人工智能逻辑欧洲研讨会》,《答案集程序归纳学习》,311-325,(2014),Springer:Springer,Cham·Zbl 1432.68391
[10] Law,M.;Russo,A.;Broda,K.,《学习答案集编程中的弱约束》,逻辑编程理论与实践,15,4-5,511-525,(2015)·Zbl 1379.68073
[11] Law,M.;Russo,A.;Broda,K.,《从上下文相关示例中迭代学习答案集程序》,《逻辑编程理论与实践》,16,5-6,834-848,(2016)·兹布1379.68074
[12] Lecun,Y.,(1998年)
[13] Mitra,A.;Baral,C.,(2016年)
[14] 《归纳逻辑程序设计,新一代计算》,8,4,295-318,(1991)·Zbl 0712.68022
[15] Muggleton,S.,逆蕴涵与程序,新一代计算,13,3-4,245-286,(1995)
[16] 奥特罗,R.,(2001)
[17] Ray,O.,非单调外展归纳学习,应用逻辑杂志,7,3,329-340,(2009)·兹布1179.68125
[18] Sakama,C.,非单调逻辑程序中答案集的归纳法,ACM Trans。计算机。逻辑,6,2203-231,(2005)·Zbl 1367.68039号
[19] Sakama,C.;Inoue,K.,《勇敢的归纳法:从不完全信息中学习的逻辑框架》,机器学习,76,1,3-35,(2009)
[20] Schüller,P.;Kazmi,M.,(2017年)
[21] Wan,L.;Zeiler,M.;Zhang,S.;乐村,Y.;Fergus,R.,(2013年)
[22] Weston,J.;Bordes,A.;Chopra,S.;Mikolov,T.,(2015年)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。