×
理查德·塔普;安东尼乌斯·温齐尔;格哈德·弗里德里希

ASP中的冲突泛化：学习正确有效的非基础约束。 （英语） Zbl 1468.68174号

理论与实践。日志。程序。 20，第5期，799-814（2020）.
总结：最先进的答案集求解者忽略了在解决一个问题实例时所学知识的归纳和再利用。我们建议采用一种新的方法，将学到的非商品进行归纳，以供重复使用，从而加速解决未来的问题实例。我们的解决方案将著名的ASP求解技术与基于演绎逻辑的机器学习相结合。通过将学习到的非地面约束添加到原始程序中，可以提高求解性能。我们通过实际例子证明了我们方法的效果，表明我们的方法需要低计算成本来学习约束，这些约束在我们的测试用例中产生显著的性能优势。这些好处可以在接地和解算系统以及惰性接地系统中看到。然而，在某些情况下，由于额外的约束条件，地面与地面解决系统会产生额外的接地开销。通过冲突最小化，可以减少非最小学习约束。如我们的实验所示，这可以显著减少接地和解决问题的工作量。

MSC公司：

68T05型 人工智能中的学习和自适应系统
68N17号 逻辑编程
68立方英尺 知识表示

关键词：

答案集编程;演绎学习;非基础nogood学习

软件：

DLV2型;克林戈
PDF格式BibTeX公司 XML格式引用
\textit{R.Taupe}等人，理论与实践。日志。程序。20，第5号，799--814（2020；Zbl 1468.68174）
全文： 内政部 arXiv公司

参考文献：

[1] Alviano，M.、Calimeri，F.、Dodaro，C.、Fuscá，D.、Leone，N.、Perri，S.、Ricca，F.，Veltri，P.和Zangari，J.2017。ASP系统DLV2。在LPNMR中。LNCS，第10377卷。施普林格，215-221·Zbl 1472.68178号
[2] Bogaerts，B.和Weinzierl，A.2018。利用答案集程序的惰性基础的理由。在IJCAI。ijcai.org，1737-1745年。
[3] Calimeri，F.、Faber，W.、Gebser，M.、Ianni，G.、Kaminski，R.、Krennwallner，T.、Leone，N.、Maratea，M.，Ricca，F.和Schaub，T.2020。ASP-Core-2输入语言格式。理论与实践。日志。程序。20,2, 294-309. ·Zbl 1472.68180号
[4] Dejong，G.和Mooney，R.J.，1986年。基于解释的学习：另一种观点。机器。学习。1, 2, 145-176.
[5] Faber，W.、Pfeifer，G.和Leone，N.2011。答案集编程中递归聚合的语义和复杂性。Artif公司。智力。175, 1, 278-298. ·Zbl 1216.68263号
[6] Friedrich，G.、Ryabokon，A.、Falkner，A.、Haselböck，A.、Schenner，G.和Schreiner，H.2011。（重新）使用应答集编程进行配置。在配置研讨会中。CEUR-WS.org。
[7] Gebser，M.、Kaminski，R.、Kaufmann，B.和Schaub，T.2014。Clingo=ASP+对照：初步报告。CoRR abs/1405.3694·Zbl 1486.68027号
[8] Gebser，M.、Kaufmann，B.和Schaub，T.2012。冲突驱动的答案集解决：从理论到实践。Artif公司。智力。187, 52-89. ·Zbl 1251.68060号
[9] Gebser，M.、Maratea，M.和Ricca，F.2020。第七个答案集编程竞赛：设计和结果。理论与实践。日志。程序。20,2, 176-204. ·Zbl 1472.68026号
[10] Van Harmelen，F.和Bundy，A.1988。基于解释的概括=部分评估。Artif公司。智力。36, 3, 401-412. ·Zbl 0655.68106号
[11] Hirsh，H.1987。逻辑编程环境中基于解释的泛化。在IJCAI。摩根·考夫曼，221-227。
[12] Leutgeb，L.和Weinzierl，A.2017年。高效惰性ASP解决技术。在宣言中。LNCS，第10997卷。施普林格，132-148。
[13] Lintao，Zhang、Madigan，C.F.、Moskewicz，M.H.和Malik，S.2001。布尔可满足性求解器中的高效冲突驱动学习。在ICCAD中。IEEE，279-285。
[14] 米切尔，T.M.1997。机器学习，国际版。McGraw-Hill计算机科学系列。麦格劳-希尔。
[15] Mitchell，T.M.、Keller，R.M.和Kedar-Cabelli，S.T.，1986年。基于解释的概括：统一的观点。机器。学习。1, 1, 47-80.
[16] Redl，2016年2月。KR系统的自动化基准测试。在人工智能下的RCRA*IA公司。CEUR研讨会记录，第1745卷。CEUR-WS.org，45-56。
[17] Russell，S.J.和Norvig，P.，2010年。人工智能-现代方法，第三版国际版。培生教育·Zbl 0835.68093号
[18] Ryabokon，A.2015年。复杂产品和服务的基于知识的（重新）配置。博士论文，Alpen Adria大学克拉根福分校。
[19] Shepherdson，J.C.1984。否定即失败：克拉克完整的数据库与雷特封闭世界假设的比较。J.日志。程序。1, 1, 51-79. ·Zbl 0575.68094号
[20] Silva，J.P.M.、Lync，I.和Malik，S.，2009年。冲突驱动的子句学习SAT解题器。在《可满足性手册》中。IOS出版社，131-153。
[21] Taupe，R.、Weinzierl，A.和Friedrich，G.2019。基础训练中的懒惰程度——懒惰基础训练策略对ASP解决的影响。在LPNMR中。LNCS，第11481卷。施普林格，298-311·Zbl 1522.68115号
[22] 魏泽尔，A.2013。学习解决问题的非基本规则。在第二次关于变量理论的基础和转换的研讨会上。25-37.
[23] Weinzierl，A.2017年。融合懒散基础和CDNL搜索以解决问题。在LPNMR中。LNCS，第10377卷。斯普林格，191-204年·Zbl 1491.68262号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。