理查德·埃文斯；何塞·埃尔南德斯·奥拉洛；约翰内斯·韦尔布尔；科利，普希米特；马雷克·塞尔戈特 理解感官输入。 （英语） Zbl 1519.68214号 Artif公司。智力。 293，文章ID 103438，第41页（2021）. 小结：本文试图回答无监督学习中的一个核心问题：“理解”感官序列意味着什么？在我们的形式化中，有意义涉及到构建一个符号因果理论，该理论既解释了感官序列，也满足了一组统一条件。统一条件坚持因果理论的组成部分——对象、属性和定律——必须整合成一个连贯的整体。就我们而言，理解感官输入是一种程序合成，但它是无监督的程序综合。我们的第二个贡献是计算机实现感知引擎，是为了满足上述要求而设计的。由于统一条件提供的强烈归纳偏差，我们的系统能够从极少量的数据中产生可解释的人类可读因果理论。我们的系统产生的因果理论能够预测未来的传感器读数，以及追溯早期读数，并以任意组合方式输入（填补）缺失的感官读数。事实上，它能够同时完成所有三项任务。我们在不同领域测试了引擎，包括细胞自动机、节奏和简单的托儿所曲调、多模式绑定问题、遮挡任务和序列诱导智能测试。在每个域中，我们测试引擎预测未来传感器值、追溯早期传感器值和插补缺失的感官数据的能力。这个感知引擎在所有这些领域都表现良好，显著优于神经网络基线。我们特别注意到，在序列感应智能测试中，我们的系统实现了人性化性能。这一点值得注意，因为我们的系统不是专门为解决智能测试而设计的定制系统，而是一个通用的设计用于理解的系统任何感官序列。 引用于1审查引用于7文件 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 关键词：学习动态模型；无监督程序综合 软件：PMTK公司；克林戈；阿尔法零；GDL公司；亚当；Metaopt公司 PDF格式BibTeX公司 XML格式引用 \textit{R.Evans}等人，Artif。智力。293，文章ID 103438，41 p.（2021；Zbl 1519.68214） 全文： 内政部 arXiv公司 参考文献： [1] 马修，M。；库普利，C。；LeCun，Y.，《超越均方误差的深度多尺度视频预测》（2015），电子版 [2] 芬恩，C。；Levine，S.，规划机器人运动的深度视觉预见，（IEEE机器人与自动化国际会议。IEEE机器人和自动化国际会议，ICRA（2017），IEEE），2786-2793 [3] 拉卡尼埃，S。；韦伯，T。；Reichert，D。；Buesing，L。；A.盖兹。；Rezende，D.J。；Badia，A.P。；葡萄酒，O。；海斯，N。；Li，Y.，用于深度强化学习的想象力增强剂，（《神经信息处理系统的进展》，《神经信息处理系统的进展》，NEURIPS（2017）），5690-5701 [4] 刘，Z。；Yeh，R.A。；唐，X。；刘，Y。；Agarwala，A.，使用深体素流的视频帧合成，（ICCV（2017）），4473-4481 [5] Buesing，L。；韦伯，T。；拉卡尼尔，S。；埃斯拉米，S.M.A。；Rezende，D。；Reichert，D.P。；维奥拉·F。；贝丝，F。；格雷戈，K。；哈萨比斯，D。；Wierstra，D.，《强化学习的学习和查询快速生成模型》（2018年），电子版 [6] Friston，K.，《贝叶斯大脑未来的历史》，神经影像，62，2，1230-1233（2012） [7] 克拉克，A，下一步怎么办？预测大脑、情境代理人和认知科学的未来，Behav。脑科学。，36, 3, 181-204 (2013) [8] Swanson，L.R.，预测加工范式起源于康德，Front。系统。神经科学。，10, 79-102 (2016) [9] Tenenbaum，J.B。；Griffiths，T.L。；Kemp，C.，基于理论的归纳学习和推理贝叶斯模型，趋势认知。科学。，10, 7, 309-318 (2006) [10] 帕苏拉，H.M。；Zettlemoyer，L.S。；Kaelbling，L.P.，学习随机域的符号模型，J.Artif。智力。研究，29，309-352（2007）·Zbl 1182.68181号 [11] Ray，O.，非单调诱因归纳学习，J.Appl。日志。，7, 3, 329-340 (2009) ·Zbl 1179.68125号 [12] 井上，K。；里贝罗，T。；Sakama，C.，《从口译过渡中学习》，马赫。学习。，94, 1, 51-79 (2014) ·Zbl 1319.68054号 [13] 莱克，B.M。；乌尔曼，T.D。；Tenenbaum，J.B。；Gershman，S.J.，《构建像人一样学习和思考的机器》，Behav。脑科学。，40 (2017) [14] 马库斯，G。；Davis，E.，Rebooting AI（2019），万神殿 [15] 斯佩尔克，E.S。；Kinzler，K.D.，核心知识，发展科学。，10, 1, 89-96 (2007) [16] Diuk，C。；科恩，A。；Littman，M.L.，《有效强化学习的面向对象表示法》（第25届机器学习国际会议论文集（2008）），240-247 [17] McCarthy，J.，《机器学习的挑战：现实与外观之间的关系》（2006年国际归纳逻辑编程会议，Springer），2-9·Zbl 1201.68098号 [18] Inoue，K.，中级绑架，FLAP，3，1，7-36（2016） [19] Teijeiro，T。；Félix，P.，《关于采用溯因推理进行时间序列解释》，Artif。智力。，262, 163-188 (2018) ·Zbl 1451.68266号 [20] 莱布尼茨，G.W。；冯·莱布尼茨，G.W.F.，《莱布尼兹：人类理解的新论文》（1996），剑桥大学出版社 [21] 杜威，J.，莱布尼茨关于人类理解的新论文：一个批判的阐述（1888），SC格里格斯 [22] Ellis，K。；Solar-Lezama，A。；Tenenbaum，J.，通过程序合成进行无监督学习，（神经信息处理系统的进展。神经信息处理体系的进展，NEURIPS（2015）），973-981 [23] 麻格尔顿，S.H。；施密德，美国。；Zeller，C。；Tamaddoni-Nezhad，A。；Besold，T.，《超强机器学习：用ILP，Mach学习的程序的可理解性》。学习。，107, 7, 1119-1140 (2018) ·Zbl 1461.68191号 [24] 霍夫斯塔特，D.R.，《流体概念和创造性类比》（1995），《基础图书》 [25] Hernández-Orallo，J。；马丁内斯·普卢米德，F。；施密德，美国。；Siebers，M。；Dowe，D.L.，《解决智力测试问题的计算机模型：进展和影响》，Artif。智力。，230, 74-107 (2016) [26] Craik，K.J.W.，《解释的本质》，第445卷（1967年），CUP档案馆 [27] Harris，P.L.，《想象的作品》（2000），布莱克威尔出版社：牛津布莱克威尔出版社 [28] Gerstenberg，T。；Tenenbaum，J.B.，直觉理论（牛津因果推理手册（2017）），515-548 [29] 凯撒，L。；Babaeizadeh，M。；Milos，P.，《Atari基于模型的强化学习》（2019），预印本 [30] 西尔弗·D。；休伯特，T。；施里特维泽，J。；安东尼奥卢，I。；赖，M。；A.盖兹。；Lanctot，M。；Sifre，L。；库马兰，D。；Graepel，T.，《掌握国际象棋、shogi并进行自学的通用强化学习算法》，《科学》，362，6419，1140-1144（2018）·Zbl 1433.68320号 [31] Hamrick，J.B.，深度学习中的心理模拟和想象类比，Cur。操作。行为。科学。，29, 8-16 (2019) [32] Baum，L.E。；Petrie，T.，有限状态马尔可夫链概率函数的统计推断，《数学年鉴》。Stat.，37，6，1554-1563（1966）·Zbl 0144.40902号 [33] Ghahramani，Z.，《隐马尔可夫模型和贝叶斯网络简介》（hidden Markov models:Applications in Computer Vision，2001），世界科学出版社，9-41 [34] 范伯格，V。；万，A。；斯托伊卡，I。；约旦，M。；冈萨雷斯，J。；Levine，S.，高效无模型强化学习的基于模型的价值扩展，（第35届机器学习国际会议论文集。第35届国际机器学习会议论文集，ICML（2018）） [35] Nagabandi，A。；卡恩，G。；Fearing，R.S。；Levine，S.，《利用无模型微调实现基于模型的深度强化学习的神经网络动力学》，（2018 IEEE机器人与自动化国际会议，2018 IEEE国际机器人与自动化会议，ICRA（2018），IEEE），7559-7566 [36] 巴塔利亚，P。；帕斯卡努，R。；赖，M。；Rezende，D.J.，《学习物体、关系和物理的交互网络》，（神经信息处理系统进展，神经信息处理体系进展，NEURIPS（2016）），4502-4510 [37] Chang，M.B。；Ullman，T。；托拉尔巴，A。；Tenenbaum，J.B.，《基于合成对象的物理动力学学习方法》（2016），电子版 [38] Mrowca，D。；庄，C。；王，E。；N.哈伯。；费飞，L.F。；Tenenbaum，J。；Yamins，D.L.，物理预测的灵活神经表示，（神经信息处理系统的进展。神经信息处理体系的进展，NEURIPS（2018）），8813-8824 [39] Sanchez-Gonzalez，A。；海斯，N。；斯普林伯格，J.T。；梅雷尔，J。；里德米勒，M。；哈德塞尔，R。；Battaglia，P.，《图形网络作为推理和控制的可学习物理引擎》（2018年），预印本 [40] Lerer，A。；毛重，S。；Fergus，R.，通过示例学习街区塔楼的物理直觉（2016年），电子印刷 [41] 巴塔查里亚，A。；马林诺夫斯基，M。；Schiele，B。；Fritz，M.，长期图像边界预测，（AAAI人工智能会议（2018）），34-50 [42] 哦，J。；郭，X。；Lee，H。；Lewis，R.L。；Singh，S.，在Atari游戏中使用深度网络进行动作条件视频预测，（神经信息处理系统的进展。神经信息处理体系的进展，NEURIPS（2015）），2863-2871 [43] 奇亚帕，S。；拉卡尼尔，S。；Wierstra，D。；Mohamed，S.，Recurrent environment simulators（2017），电子版 [44] 哈，D。；Schmidhuber，J.，《递归世界模型促进政策演变》（Recurrent world models facilite policy evolution），（《神经信息处理系统的进展》，神经信息处理体系进展，NEURIPS（2018）），2455-2467 [45] 詹纳，M。；莱文，S。；弗里曼，W.T。；Tenenbaum，J.B。；芬恩，C。；Wu，J.，《物理交互与面向对象预测和规划的推理》（2018），电子版 [46] 张，A。；Lerer，A。；苏赫巴托，S。；弗格斯，R。；Szlam，A.，《带属性的可组合规划》（机器学习国际会议论文集，第11卷）。国际机器学习会议记录，第11卷，ICML（2018），11-22 [47] 徐，Z。；刘，Z。；Sun，C。；墨菲，K。；弗里曼，W。；Tennenbaum，J。；Wu，J.，《部件、结构和动力学的非监督发现》，（《学习表征国际会议论文集》，国际学习表征会议论文集，ICLR（2019）），1418-1424 [48] Asai，M。；Fukunaga，A.，《深层潜在空间中的经典规划：桥接次符号符号边界》（AAAI人工智能会议（2018）），45-62 [49] Asai，M.，《图像中可规划的一阶逻辑表示的无监督基础》（2019年），电子版 [50] Katzouris，N。；Artikis，A。；Paliouras，G.，《使用归纳逻辑编程的事件定义增量学习》，马赫。学习。，100, 2-3, 555-585 (2015) ·Zbl 1341.68159号 [51] Michelioudakis，E。；斯卡拉蒂迪斯，A。；Paliouras，G。；Artikis，A.，《使用背景知识公理化的在线结构学习》，（数据库中机器学习和知识发现联合欧洲会议（2016），斯普林格），232-247 [52] Katzouris，N。；Artikis，A。；Paliouras，G.，事件定义的在线学习，理论实践。日志。程序。，16, 5-6, 817-833 (2016) ·Zbl 1379.68072号 [53] Micheloudakis，大肠杆菌。；Artikis，A。；Paliouras，G.，复合事件识别的半监督在线结构学习（2018），预印本·Zbl 1493.68308号 [54] 科瓦尔斯基，R。；Sergot，M.，《基于逻辑的事件演算》，《新世代》。计算。，4, 1, 67-96 (1986) ·Zbl 1356.68221号 [55] Kowalski，R.，谓词逻辑作为编程语言，（IFIP大会，第74卷（1974）），544-569·Zbl 0297.68006号 [56] Apt，K.R.，逻辑编程，（理论计算机科学手册，B卷：形式模型和语义（1990）），493-574·Zbl 0900.68136号 [57] Lloyd，J.W.，《逻辑编程基础》（1987），斯普林格科学与商业媒体·Zbl 0547.68005号 [58] 范·埃姆登，M.H。；Kowalski，R.A.，谓词逻辑作为编程语言的语义，J.ACM，23，4，733-742（1976）·Zbl 0339.68004号 [59] Gelfond，M。；Lifschitz，V.，《逻辑编程的稳定模型语义》，（第五届逻辑编程国际会议，第五届国际逻辑编程会议，逻辑编程，第88卷（1988），麻省理工学院出版社），1070-1080 [60] Calimeri，F。；Faber，W。；Gebser，M。；伊安尼，G。；卡明斯基，R。；Krennwallner，T。；塞拉利昂，北。；里卡，F。；Schaub，T.，Asp-core-2输入语言格式，理论与实践。日志。程序。，20, 2, 294-309 (2020) ·Zbl 1472.68180号 [61] Kowalski，R.，《问题解决的逻辑》（1979年），爱思唯尔北荷兰·Zbl 0426.68002号 [62] Evans，R。；Grefenstette，E.，从嘈杂数据中学习解释规则，J.Artif。智力。决议，61，1-64（2018）·Zbl 1426.68235号 [63] 康德，I.，《纯粹理性批判》（1781），剑桥大学出版社 [64] Baral，C。；Gelfond，M.，《逻辑编程和知识表示》，J.Log。程序。，19, 73-148 (1994) ·Zbl 0820.68028号 [65] Clark，K.L.，作为失败的否定，（逻辑和数据库（1978），Springer），293-322 [66] Van Gelder，A。；Ross，K.A。；Schlipf，J.S.，《通用逻辑程序的有充分依据的语义》，J.ACM，38，3619-649（1991）·Zbl 0799.68045号 [67] 新墨西哥州古德曼。；乌尔曼，T.D。；Tenenbaum，J.B.，学习因果关系理论，心理学。修订版，118、1、110（2011年） [68] 乌尔曼，T.D。；新墨西哥州古德曼。；Tenenbaum，J.B.，《作为思维语言中随机搜索的理论学习》，Cogn。Dev.，27，4，455-480（2012） [69] Kolmogorov，A.N.，《关于随机数表》，Sankhyá，Ind.J.Stat.，Ser。A、 369-376（1963）·Zbl 0126.33203号 [70] 莱文，洛杉矶，通用顺序搜索问题，Probl。佩雷达。Inf.，9，3，115-116（1973）·Zbl 0313.02026号 [71] Dietterich，T.G。；多明戈斯，P。；盖托，L。；麻格尔顿，S。；Tadepalli，P.，《结构化机器学习：未来十年》，马赫出版社。学习。，73, 1, 3 (2008) ·Zbl 1470.68098号 [72] 亨森，C。；Sheth，A。；Thirunarayan，K.，《语义感知：将感官观察转化为抽象》，IEEE互联网计算。，16, 2, 26-34 (2012) [73] Gebser，M。；卡明斯基，R。；考夫曼，B。；Schaub，T.，Clingo=ASP+对照：初步报告（2014年），电子版 [74] Ben-Eliyahu，R。；Dechter，R.，选言逻辑程序的命题语义，《数学年鉴》。Artif公司。智力。，12, 1-2, 53-87 (1994) ·Zbl 0858.68012号 [75] Dantsin，E。；艾特，T。；Gottlob，G。；Voronkov，A.，逻辑编程的复杂性和表达能力，ACM计算。调查。，33, 3, 374-425 (2001) [76] Brewka，G。；尼美拉，I。；Truszczynski，M.，《答案集优化》（《国际人工智能联合会议论文集》，第3卷）。国际人工智能联合会议记录，第3卷，IJCAI（2003），867-872 [77] Gebser，M。；卡明斯基，R。；Schaub，T.，《答案集编程中的复杂优化》，理论与实践。日志。程序。，11, 4-5, 821-839 (2011) ·Zbl 1222.68059号 [78] 莫雷尔，R。；Cropper，A。；Ong，L.，逻辑程序的类型化元解释学习，（欧洲人工智能逻辑会议，欧洲人工智能逻辑学会议，JELIA（2019）），973-981·Zbl 1525.68011号 [79] Gebser，M。；卡明斯基，R。；考夫曼，B。；Schaub，T.，《在实践中解决答案集》，Synth。莱克特。Artif公司。智力。机器。学习。，6, 3, 1-238 (2012) [80] Wolfram，S.，《细胞自动机的统计力学》，修订版。物理。，55, 3, 601 (1983) ·Zbl 1174.82319号 [81] 库克，M.，基本细胞自动机的普遍性，复杂系统。，15, 1, 1-40 (2004) ·Zbl 1167.68387号 [82] Mitchell，M.，《作为感知的类比制作》（1993），麻省理工学院出版社 [83] 瑟斯通，L.L。；Thurstone，T.G.，智力因素研究，心理测量专著，8-23（1941） [84] Hernandez-Orallo，J。；Minaya-Collado，N.，《智能的正式定义》，（智能系统工程国际研讨会论文集。智能系统工程世界研讨会论文集，EIS 98（1998）），146-163 [85] Meredith，M.J.E.，《Seek-Whore:模式感知模型》（1986年），印第安纳大学（美国），技术代表。 [86] 巴雷特，D.G.T。；希尔，F。；Santoro，A。；Morcos，A.S。；Lillicrap，T.，《测量神经网络中的抽象推理》（2018年），电子版 [87] Holcombe，A.，《约束问题》（The binding problem）（《圣人感知百科全书》（The Sage Encyclopedia of Perception，2009）），第47-71页 [88] Murphy，K.P.，《机器学习：概率视角》（2012），麻省理工学院出版社·Zbl 1295.68003号 [89] Hochreiter，S。；Schmidhuber，J.，长短期记忆，神经计算。，9, 8, 1735-1780 (1997) [90] 金玛，D.P。；Ba，J.，Adam：随机优化方法（2014），电子版 [91] 麻格尔顿，S.H。；Lin，D。；Tamaddoni-Nezhad，A.，《高阶二元数据日志的元解释学习：重新审视谓词发明》，马赫。学习。，100, 1, 49-73 (2015) ·Zbl 1346.68119号 [92] 作物，A。；麻格尔顿，S.H.，学习高效逻辑程序，马赫。学习。，1-21 (2018) [93] Cropper，A。；Evans，R。；Law，M.，归纳一般游戏，马赫。学习。，1-42 (2019) [94] 卡明斯基，T。；艾特，T。；Inoue，K.，《利用外部资源开发答案集编程用于元解释学习》，理论与实践。日志。程序。，18, 3-4, 571-588 (2018) ·Zbl 1451.68064号 [95] Cropper，A。；莫雷尔，R。；Muggleton，S.，《学习高阶逻辑程序》，马赫。学习。，109, 1289-1322 (2020) ·Zbl 1518.68037号 [96] 法学硕士。；Russo，A。；Broda，K.，答案集程序的归纳学习，（欧洲人工智能逻辑会议-（JELIA）（2014）），311-325·Zbl 1432.68391号 [97] 法学硕士。；Russo，A。；Broda，K.，《学习答案集编程中的弱约束》，理论与实践。日志。程序。，15, 4-5, 511-525 (2015) ·Zbl 1379.68073号 [98] 法学硕士。；Russo，A。；Broda，K.，《从上下文相关示例中迭代学习答案集程序》，理论与实践。日志。程序。，16, 5-6, 834-848 (2016) ·Zbl 1379.68074号 [99] 法学硕士。；Russo，A。；Broda，K.，《学习答案集程序的复杂性和通用性》，Artif。智力。，259, 110-146 (2018) ·Zbl 1445.68206号 [100] Mueller，E.T.，《常识推理》（2014），摩根·考夫曼 [101] Gelfond，M。；Kahl，Y.，《知识表示、推理和智能代理的设计》（2014），剑桥大学出版社 [102] 作物，A。；Muggleton，S.H.，通过抽象和发明学习高阶逻辑程序，（《国际人工智能联合会议论文集》，国际人工智能联席会议论文集，IJCAI（2016），IJCIA/AAAI出版社），1418-1424 [103] Cropper，A.，《高效学习高效课程》（2017），帝国理工学院：英国伦敦帝国理工大学，博士论文 [104] 里贝罗，T。；Inoue，K.，《从解释转换中学习素隐含条件》（Inductive Logic Programming，2015），施普林格出版社，108-125 [105] 里贝罗，T。；Magnin，M。；井上，K。；Sakama，C.，《从时间序列观测中学习具有延迟影响的多值生物模型》，（2015年IEEE第十四届机器学习和应用国际会议，2015年，IEEE第14届机器学习与应用国际会议），ICMLA（2015年），25-31 [106] 马丁内斯博士。；Alenya，G。；里贝罗，T。；Torras，C.，针对具有外生效应的规划的关系强化学习，J.Mach。学习。决议，18，1，2689-2732（2017）·Zbl 1434.68432号 [107] 里贝罗，T。；Folschette，M。；Magnin，M。；O.罗克斯。；Inoue，K.，《同步、异步和通用语义的学习动力学》（国际归纳逻辑编程会议（2018），斯普林格），118-140·Zbl 1455.68179号 [108] 里贝罗，T。；托雷特，S。；Folschette，M。；Magnin，M。；Borzacchielo，D。；Chinesta，F。；O.罗克斯。；Inoue，K.，从连续域的状态转换中归纳学习，（国际归纳逻辑编程会议（2017），斯普林格），124-139·兹比尔1455.68180 [109] 托雷特，S。；Gentet，E。；Inoue，K.，《从前馈神经网络学习动力学系统的人类可理解描述》，（神经网络国际研讨会（2017），施普林格），483-492 [110] Phua，Y。；里贝罗，T。；托雷特，S。；Inoue，K.，《训练数据有限的延迟系统的学习逻辑程序表示》（Inductive logic Programming（2017），Springer），103-119 [111] Solar-Lezama，A。；Tancau，L。；博迪克，R。；塞希亚，S。；Saraswat，V.，有限程序的组合草图绘制，ACM SIGPLAN Not。，41, 11, 404-415 (2006) [112] 科尔皮，D。；Russo，A。；Lupu，E.，答案集编程中的感应逻辑编程，（感应逻辑编程（2012），Springer），91-97 [113] Genesereth，M。；Love，N.，《通用游戏：游戏描述语言规范》，1-48（2005），斯坦福大学计算机科学系：计算机科学系，斯坦福大学，加利福尼亚州斯坦福，美国，技术代表。 [114] Genesereth，M。；Björnsson，Y.，《国际通用游戏比赛》，AI Mag.，34，2，107（2013） [115] Moyle，S.，《使用理论补全学习机器人导航控制程序》，（国际归纳逻辑编程会议（2002），施普林格），182-197·Zbl 1017.68545号 [116] Otero，R.P.，用单调方法归纳作用的间接影响，（归纳逻辑程序设计国际会议（2005），施普林格），279-294·Zbl 1134.68478号 [117] 井上，K。；班多，H。；Nabeshima，H.，通过规则推理归纳因果律，（国际归纳逻辑程序设计会议（2005），Springer），154-171·Zbl 1134.68472号 [118] 科尔皮，D。；Sykes，D。；井上，K。；Russo，A.，非单调域中的概率规则学习，（多智能体系统中计算逻辑国际研讨会（2011），施普林格），243-258·Zbl 1348.68188号 [119] 罗德里格斯，C。；Gérard，P。；Rouveirol，C。；Soldano，H.，关系动作模型的主动学习，（国际归纳逻辑编程会议（2011），Springer），302-316 [120] 季洛斯基，S。；De Raedt，L。；Driessens，K.，关系强化学习，马赫。学习。，43, 1-2, 7-52 (2001) ·Zbl 0988.68088号 [121] De Raedt，L.，逻辑与关系学习（2008），施普林格科学与商业媒体·Zbl 1203.68145号 [122] Bu，L。；R.巴布。；De Schutter，B.，《多智能体强化学习的综合调查》，IEEE Trans。系统。人类网络。，C部分，申请。修订版，38、2、156-172（2008） [123] Goodacre，J.，《使用程序归纳学习国际象棋规则》（1996年），牛津大学博士论文 [124] Friston，K.，皮层反应理论，Philos。事务处理。R.Soc.伦敦。B、 生物。科学。，360, 1456, 815-836 (2005) [125] Schmidhuber，J.，最优排序问题求解器，马赫。学习。，54, 3, 211-254 (2004) ·Zbl 1101.68090号 [126] Dechter，E。；Malmaud，J。；亚当斯·R·P。；Tenenbaum，J.B.，《通过模块化概念发现进行引导学习》，（《国际人工智能联合会议论文集》（2013），AAAI出版社） [127] Henderson，R.J.，《lambda微积分的累积学习》（2013），伦敦帝国理工学院博士论文 [128] Lin，D。；Dechter，E。；Ellis，K。；Tenenbaum，J.B。；Muggleton，S.H.，《一射函数归纳的偏见改革》（2014） [129] Ellis，K。；莫拉莱斯，L。；Sablé-Meyer，医学博士。；Solar-Lezama，A。；Tenenbaum，J.，神经引导贝叶斯程序归纳的子程序学习库，（神经信息处理系统进展（2018）），7805-7815 [130] Ellis，K。；Wong，C。；Nye，M。；Sable-Meyer，M。；卡里，L。；莫拉莱斯，L。；休伊特，L。；Solar-Lezama，A。；Tenenbaum，J.B.，Dreamcoder:通过唤醒睡眠贝叶斯程序学习增长可推广、可解释的知识（2020），预印本 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。