西罗·卡斯蒂略;乔瓦纳·卡斯特拉诺;安娜·玛丽亚·法内利 元数据：用于元学习的输入特征的表征。 （英语） Zbl 1121.68366号 Torra，Vicenç（编辑）等人，《人工智能决策建模》。2005年7月25日至27日，第二届国际会议，MDAI 2005，日本筑波。诉讼程序。柏林：施普林格出版社（ISBN 3-540-27871-0/pbk）。计算机科学课堂讲稿3558。人工智能课堂讲稿，457-468（2005）。 总结：常见的归纳学习策略为知识获取提供了工具，但由于在学习过程中使用了固定的偏见，因此具有一些固有的局限性。为了克服这种基础学习方法的局限性，一种新的研究趋势是探索元学习的潜力，这是一种基于动态搜索偏差的机制开发。这可以通过借鉴过去积累的经验，提高基础学习者在特定学习任务上的表现。由于有效的基础学习需要一组重要的I/O数据，因此适当的元数据特征对有用的元学习至关重要。为了描述元数据的特征，首先应该确定一组区分不同基本任务的元数据特征。本文通过对元特征的分析，重点研究了元数据的特征，这些元特征可以捕获要在基础级别解决的特定任务的属性。这种方法代表着向元学习系统发展的第一步，能够为基础学习不同的特定任务领域提供适当的偏见。关于整个系列，请参见[Zbl 1076.68011号]. 引用于2文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 PDF格式BibTeX公司 XML格式引用 \textit｛C.Castiello｝等人，Lect。注释计算。科学。3558457--468（2005年；Zbl 1121.68366）