×

感应逻辑编程为30。 (英语) 兹伯利07510309

归纳逻辑编程(ILP)是一种基于逻辑的机器学习形式。目的是归纳一个假设(逻辑程序),概括给定的训练示例和背景知识。随着ILP年满30岁,我们回顾了过去十年的研究。我们重点关注(i)新的元级搜索方法,(ii)学习递归程序的技术,(iii)谓词发明的新方法,以及(iv)不同技术的使用。最后,我们讨论了ILP的当前局限性和未来研究方向。

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

参考文献:

[1] Ahlgren,J。;Yuen,SY,归纳逻辑编程中使用约束满足的高效程序合成,机器学习研究杂志,14,13649-3682(2013)·Zbl 1317.68026号
[2] 艾,L。;麻格尔顿,S。;霍克特,C。;Gromowski,M。;Schmid,U.,有益和有害的解释性机器学习,机器学习,110,695-721(2020)·Zbl 07432818号
[3] Albarghouthi,A.、Koutris,P.、Naik,M.和Smith,C.(2017年)。基于约束的数据日志程序合成。在第23届约束规划原则与实践国际会议上,CP 2017。计算机科学课堂讲稿(第10416卷,第689-706页)。斯普林格。
[4] Antanas,L.、Moreno,P.和De Raedt,L.(2015)。基于关系核的数字特征抓取。在第25届归纳逻辑编程国际会议上,ILP 2015。计算机科学课堂讲稿(第9575卷,第1-14页)。斯普林格。
[5] Bain,M.和Muggleton,S.(1992年)。非单调学习。归纳逻辑编程(第145-161页)。学术出版社。
[6] 贝恩,M。;Srinivasan,A.,《使用元解释逻辑程序识别生物过渡系统》,机器学习,107,7,1171-1206(2018)·Zbl 1461.68171号
[7] Balog,M.、Gaunt,A.L.、Brockschmidt,M、Nowozin,S.和Tarlow,D.(2017年)。Deepcoder:学习编写程序。在2017年ICLR第五届国际学习代表大会上。OpenReview.net。
[8] Bartha,S.和Cheney,J.(2019年)。面向编程语言语义的元解释学习。在第29届归纳逻辑编程国际会议上,ILP 2019。计算机科学讲义(第11770卷,第16-25页)。斯普林格。
[9] 贝洛迪,E。;Riguzzi,F.,通过搜索子句空间进行概率逻辑程序的结构学习,《逻辑编程的理论与实践》,15,2,169-212(2015)·Zbl 1379.68269号
[10] Blockeel,H。;De Raedt,L.,一阶逻辑决策树的自顶向下归纳法,人工智能,101,1-2,285-297(1998)·Zbl 0909.68034号
[11] DA Bohan;Caron-Lormier,G。;麻格尔顿,S。;雷博尔德,A。;Tamaddoni-Nezhad,A.,《使用基于逻辑的机器学习从生态数据中自动发现食物网》,《公共科学图书馆·综合》,6,12,e29028(2011)
[12] DA Bohan;Vacher,C。;Tamaddoni-Nezhad,A。;Raybould,A。;哑铃,AJ;Woodward,G.,《下一代全球生物监测:生态网络的大规模自动化重建》,《生态与进化趋势》,32,7,477-487(2017)
[13] Bratko,I.(1999)。完善ILP中的完整假设。在第九届归纳逻辑编程国际研讨会上,ILP-99。计算机科学课堂讲稿(第1634卷,第44-55页)。斯普林格。
[14] Cholet,F.(2019年)。关于智力的测量。CoRR,arXiv公司:1911.01547
[15] Corapi,D.、Russo,A.和Lupu,E.(2011年)。答案集编程中的归纳逻辑编程。在第21届归纳逻辑编程国际会议上,ILP 2011。计算机科学课堂讲稿(第7207卷,第91-97页)。斯普林格。
[16] Cropper,A.(2019年)。游戏机:通过游戏学习程序。第二十八届国际人工智能联合会议论文集,2019年国际人工智能学会(IJCAI 2019)(第6074-6080页)。ijcai.org。
[17] Cropper,A.(2020年)。忘记学习逻辑程序。第三十四届AAAI人工智能会议(第3676-3683页)。AAAI出版社。
[18] Cropper,A.和Dumancic,S.(2020a)。30岁时的归纳逻辑编程:新导论。CoRR,arxiv:org/abs/2008.07912
[19] Cropper,A.和Dumančić,S.(2020b)。通过超越蕴涵学习大型逻辑程序。《第二十九届国际人工智能联合会议论文集》,IJCAI 2020(第2073-2079页)。ijcai.org。
[20] Cropper,A。;Morel,R.,《从失败中学习的学习程序》,机器学习,110,4,801-856(2021)·Zbl 07432822号 ·doi:10.1007/s10994-020-05934-z
[21] Cropper,A.和Morel,R.(2021b)。通过从失败中学习来预测发明。CoRR,arxiv:org/abs/2104.14426·Zbl 07432822号
[22] Cropper,A.和Muggleton,S.H.(2015)。学习涉及可组合对象的高效逻辑机器人策略。第二十四届国际人工智能联合会议论文集,2015年国际人工智能学会(IJCAI)(第3423-3429页)。AAAI出版社。
[23] Cropper,A.和Muggleton,S.H.(2016)。Metagol系统。https://github.com/metagol/metagol
[24] Cropper,A。;Muggleton,SH,学习高效逻辑程序,机器学习,108,7,1063-1083(2019)·Zbl 1493.68066号
[25] Cropper,A。;Torret,S.,元规则的逻辑约简,机器学习,109,7,1323-1369(2020)·Zbl 1518.68038号
[26] Cropper,A.、Tamaddoni-Nezhad,A.和Muggleton,S.H.(2015)。数据转换程序的元解释学习。在第25届归纳逻辑编程国际会议上,ILP 2015。计算机科学课堂讲稿(第9575卷,第46-59页)。斯普林格。
[27] Cropper,A.、Dumanć,S.和Muggleton,S.H.(2020a)。30岁:归纳逻辑编程的新思想。《第二十九届国际人工智能联合会议论文集》,IJCAI 2020(第4833-4839页)。ijcai.org。
[28] Cropper,A。;埃文斯,R。;Law,M.,归纳通用游戏,机器学习,109,7,1393-1434(2020)·Zbl 1518.68294号
[29] Cropper,A。;莫雷尔,R。;Muggleton,S.,《学习高阶逻辑程序》,机器学习,109,7,1289-1322(2020)·兹比尔1518.68037
[30] Dai,W.Z.和Muggleton,S.H.(2021)。从原始数据中归纳出的诱骗性知识。在第35届人工智能会议(IJCAI 2021)的会议记录中。
[31] De Raedt,L.,逻辑和关系学习。认知技术(2008),柏林:施普林格,柏林·Zbl 1203.68145号
[32] De Raedt,L.、Dries,A.、Thon,I.、den Broeck,G.V.和Verbeke,M.(2015)。从概率示例中归纳概率关系规则。在《第二十四届人工智能国际联合会议论文集》,IJCAI 2015(第1835-1843页)。AAAI出版社。
[33] De Raedt,L。;Kersting,K.,概率归纳逻辑编程,1-27(2008),柏林:施普林格出版社,柏林·Zbl 1137.68530号
[34] De Raedt,L。;Kersting,K。;Natarajan,S。;Poole,D.,《统计关系人工智能:逻辑、概率和计算》。人工智能和机器学习综合讲座(2016年),柏林:Morgan&Claypool出版社,柏林·Zbl 1352.68005号
[35] De Raedt,L.、Kimmig,A.和Toivonen,H.(2007)。Problog:一种概率prolog及其在链路发现中的应用。2007年1月6日至12日,印度海得拉巴第20届国际人工智能联合会议记录,IJCAI 2007,第2462-2467页。
[36] Dong,H.、Mao,J.、Lin,T.、Wang,C.、Li,L.和Zhou,D.(2019a)。神经逻辑机。在ICLR中。
[37] Dong,H.、Mao,J.、Lin,T.、Wang,C.、Li,L.和Zhou,D.(2019b)。神经逻辑机。2019年5月6日至9日在美国洛杉矶新奥尔良举行的第七届国际学习代表大会上,OpenReview.net。https://openreview.net/forum?id=B1xY-hRctX公司
[38] Dumanćić,S.和Blockel,H.(2017)。使用显式分布式表示进行基于聚类的关系无监督表示学习。《第二十六届国际人工智能联合会议论文集》,2017年国际人工智能学会(IJCAI)(第1631-1637页)。ijcai.org。
[39] Dumancic,S.、Guns,T.和Cropper,A.(2020年)。归纳程序综合的知识重构。在AAAI。
[40] Dumanćić,S.,Guns,T.,Meert,W.,&Blockel,H.(2019年)。学习使用自动编码逻辑程序的关系表示。第二十八届国际人工智能联合会议论文集,2019年国际人工智能学会(IJCAI 2019)(第6081-6087页)。ijcai.org网站。
[41] Ellis,K。;莫拉莱斯,L。;Sablé-Meyer,M。;Solar-Lezama,A。;Tenenbaum,J.,神经引导贝叶斯程序归纳的子程序学习库,NeurIPS,2018,7816-7826(2018)
[42] 埃文斯,R。;Grefenstette,E.,《从噪声数据中学习解释规则》,《人工智能研究杂志》,61,1-64(2018)·Zbl 1426.68235号
[43] 埃文斯,R。;Hernández-Orallo,J。;威尔布尔,J。;科尔里,P。;Sergot,M.,《感知输入》,人工智能,293103438(2021)·Zbl 1519.68214号
[44] Ferilli,S.,《归纳逻辑编程中基于谓词发明的专门化》,《智能信息系统杂志》(2016)·doi:10.1007/s10844-016-0412-9
[45] Ferilli,S.、Esposito,F.、Basile,T.M.A.和Mauro,N.D.(2004)。从观测数据中自动归纳一阶逻辑描述符类型域。在第14届归纳逻辑编程国际会议上,ILP 2004。计算机科学课堂讲稿(第3194卷,第116-131页)。斯普林格·Zbl 1105.68373号
[46] Garcez,Ad.和Lamb,L.C.(2020年)。神经符号ai:第三波。arXiv预打印arXiv:2012.05876
[47] Gebser,M。;卡明斯基,R。;考夫曼,B。;Schaub,T.,《实践中的答案集求解》。人工智能和机器学习综合讲座(2012年),柏林:Morgan&Claypool出版社,柏林
[48] Gebser,M。;考夫曼,B。;Schaub,T.,《冲突驱动的答案集解决:从理论到实践》,《人工智能》,187,52-89(2012)·Zbl 1251.68060号
[49] Genesereth,MR;Björnsson,Y.,《国际通用游戏比赛》,AI Magazine,34,2,107-111(2013)
[50] Gulwani,S.(2011)。使用输入输出示例自动化电子表格中的字符串处理。第38届ACM SIGPLAN-SIGCT编程语言原理研讨会论文集,POPL 2011(第317-330页)。ACM公司·Zbl 1284.68700号
[51] Heule,M.J.H.、Kullmann,O.和Marek,V.W.(2016)。通过cube-and-conquer解决并验证布尔勾股三元组问题。N.Creignou和D.L.Berre(编辑),2016年第19届满意度测试理论和应用国际会议-SAT,法国波尔多,2016年7月5日至8日,会议记录。计算机科学课堂讲稿(第9710卷,第228-245页)。斯普林格。doi:10.1007/978-3-319-40970-2_15·Zbl 1403.68226号
[52] Hocquette,C.和Muggleton,S.H.(2020年)。在元解释学习中完成自下而上的谓词发明。《第二十九届人工智能国际联合会议论文集》,IJCAI 2020(第2312-2318页)。ijcai.org。
[53] Huynh,T.N.和Mooney,R.J.(2008)。马尔可夫逻辑网络的判别结构和参数学习。第25届机器学习国际会议论文集(第416-423页)。计算机协会。数字对象标识代码:10.1145/1390156.1390209
[54] Inoue,K.,中级绑架,FLAP,3,1,7-36(2016)
[55] 井上,K。;Doncescu,A。;Nabeshima,H.,通过元级推理完成因果网络,机器学习,91,2239-277(2013)·兹比尔1273.68375
[56] 井上,K。;里贝罗,T。;Sakama,C.,从口译过渡中学习,机器学习,94,1,51-79(2014)·Zbl 1319.68054号
[57] Järvisalo,M。;Le Berre,D。;Roussel,O。;Simon,L.,《国际sat solver竞赛》,《Ai杂志》,第33、1、89-92页(2012年)
[58] Kaalia,R。;Srinivasan,A。;Kumar,A。;Ghosh,I.,ILP-assisted de novo drug design,机器学习,103,3,309-341(2016)
[59] Kaiser,L.和Sutskever,I.(2016)。神经gpu学习算法。在第四届国际学习代表大会上,ICLR 2016。
[60] 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》,《逻辑编程的理论与实践》,18,3-4,571-588(2018)·Zbl 1451.68064号
[61] Katzouris,N。;Artikis,A。;Paliouras,G.,用归纳逻辑编程实现事件定义的增量学习,机器学习,100,2-3,555-585(2015)·Zbl 1341.68159号
[62] Katzouris,N。;Artikis,A。;Paliouras,G.,事件定义的在线学习,逻辑编程理论与实践,16,5-6,817-833(2016)·Zbl 1379.68072号
[63] Kok,S.和Domingos,P.(2009年)。通过超图提升学习马尔可夫逻辑网络结构。第26届机器学习国际会议论文集(第505-512页)。计算机协会。doi:10.1145/1553374.1553440
[64] Kok,S.和Domingos,P.M.(2007年)。统计谓词发明。机器学习,第二十四届国际会议论文集(ICML 2007),ACM国际会议论文系列(第227卷,第433-440页)。ACM公司。
[65] Kramer,S.(1995年)。谓词发明:综合视图。奥地利人工智能研究所的融洽技术OFAI-TR-95-32。
[66] Kramer,S.(2020年)。从数据中学习符号高级表示的简要历史(以及好奇的展望)。《第二十九届国际人工智能联合会议论文集》,IJCAI 2020(第4868-4876页)。ijcai.org。
[67] Law,M.(2018)。答案集程序的归纳学习。博士论文,英国伦敦帝国理工学院。
[68] Law,M.、Russo,A.和Broda,K.(2014)。答案集程序的归纳学习。在第14届欧洲人工智能逻辑会议上,JELIA 2014。计算机科学课堂讲稿(第8761卷,第311-325页)。斯普林格·Zbl 1432.68391号
[69] 法学硕士。;Russo,A。;Broda,K.,《学习答案集程序的复杂性和通用性》,《人工智能》,259,110-146(2018)·Zbl 1445.68206号
[70] Law,M.、Russo,A.、Bertino,E.、Broda,K.和Lobo,J.(2019年)。在答案集编程中表示和学习语法。在第三十三届AAAI人工智能会议上,AAAI 2019(第2919-2928页)。AAAI出版社。
[71] Law,M.、Russo,A.、Bertino,E.、Broda,K.和Lobo,J。(2020a)。Fastlas:Scalable inductive logic programming including domain-specific optimization criteria。第三十四届AAAI人工智能会议,AAAI 2020(第2877-2885页)。AAAI出版社。
[72] 法学硕士。;Russo,A。;Broda,K.,《答案集程序归纳学习的ilasp系统》(2020年),柏林:逻辑编程协会通讯,柏林
[73] Leban,G.、Zabkar,J.和Bratko,I.(2008)。利用ILP进行机器人发现实验。在第18届国际归纳逻辑编程会议上,ILP 2008。计算机科学课堂讲稿(第5194卷,第77-90页)。斯普林格。
[74] Legras,S.、Rouveirol,C.和Ventos,V.(2018年)。桥牌游戏:对ILP的挑战。在第28届国际归纳逻辑编程会议上,ILP 2018。计算机科学课堂讲稿(第11105卷,第72-87页)。斯普林格·Zbl 1455.68173号
[75] Lin,D.、Dechter,E.、Ellis,K.、Tenenbaum,J.B.和Muggleton,S.(2014)。一次性功能诱导的偏差重新制定。在2014年8月18日至22日举行的ECAI 2014-21届欧洲人工智能会议上,人工智能和应用领域的前沿(第263卷,第525-530页)。IOS出版社。
[76] Marcus,G.(2018)。深度学习:批判性评估。CoRR,arXiv公司:1801.00631
[77] Martínez,D.、Alenyá,G.、Torras,C.、Ribeiro,T.和Inoue,K.(2016)。学习用于规划的随机域的关系动力学。《第二十六届国际自动规划和调度会议记录》,ICAPS 2016(第235-243页)。AAAI出版社·Zbl 1434.68432号
[78] McCreath,E.和Sharma,A.(1995年)。提取元知识以限制ilp系统的假设空间。在第八届澳大利亚人工智能联合会议上,第75-82页。
[79] Michie,D.(1988年)。未来五年的机器学习。D.H.Sleeman(Ed.),《第三届欧洲学习工作会议记录》,EWSL 1988(第107-122页)。图灵研究所,皮特曼出版社。
[80] Muggleton,S.(1987)。Duce,一种基于口语的建构归纳法。第十届国际人工智能联合会议记录(第287-292页)。摩根·考夫曼。
[81] Muggleton,S.,归纳逻辑编程,新一代计算,8,4,295-318(1991)·Zbl 0712.68022号
[82] Muggleton,S.,《逆蕴涵与程序》,新一代计算,13,3-4,245-286(1995)
[83] Muggleton,S.和Buntine,W.L.(1988)。通过反向解析实现一阶谓词的机器发明。《机器学习》,第五届机器学习国际会议论文集(第339-352页)。摩根·考夫曼。
[84] 麻格尔顿,S。;De Raedt,L.,《归纳逻辑编程:理论和方法》,《逻辑编程杂志》,第19、20、629-679页(1994年)·Zbl 0816.68043号
[85] Muggleton,S.公司。;De Raedt,L。;普尔,D。;I.布拉特科。;宾夕法尼亚州Flach;井上,K。;Srinivasan,A.,ILP turns 20-Biography and future challenges,机器学习,86,1,3-23(2012)·Zbl 1243.68014号
[86] 麻格尔顿,S。;Dai,W。;Sammut,C。;Tamaddoni-Nezhad,A。;Wen,J。;Zhou,Z.,从噪声图像中进行元解释学习,机器学习,107,7,1097-1118(2018)·Zbl 1461.68190号
[87] Muggleton,S.和Feng,C.(1990年)。逻辑程序的有效归纳。在第一届算法学习理论国际研讨会上,ALT'90,第368-381页。
[88] 麻格尔顿,S。;Hocquette,C.,使用元解释学习的简单游戏可理解策略的机器发现,新一代计算,37203-217(2019)
[89] 麻格尔顿,SH;Lin,D。;巴列维,N。;Tamaddoni-Nezhad,A.,《元解释学习:语法推理的应用》,机器学习,94,1,25-49(2014)·Zbl 1319.68121号
[90] 马萨诸塞州莫格莱顿;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》,机器学习,100,1,49-73(2015)·Zbl 1346.68119号
[91] Muggleton,S.、Paes,A.、Costa,V.S.和Zaverucha,G.(2009年)。国际象棋修正:通过FOL理论修正从实例中获取国际象棋变体的规则。在第19届国际归纳逻辑编程会议上,ILP 2009。计算机科学课堂讲稿(第5989卷,第123-130页)。斯普林格。
[92] 麻格尔顿,SH;施密德,美国。;Zeller,C。;Tamaddoni-Nezhad,A。;Besold,TR,《超强机器学习:用ILP学习的程序的可理解性》,《机器学习》,107,7,1119-1140(2018)·Zbl 1461.68191号
[93] Nienhuys-Cheng,SH;Wolf,R.,《归纳逻辑编程基础》(1997),柏林:施普林格出版社,柏林·Zbl 1293.68014号
[94] Patsantzis,S。;Muggleton,S.,多项式时间元解释学习的顶级程序构造和简化,机器学习,110,755-778(2021)·Zbl 07432820号
[95] Picado,J.、Termehchy,A.、Fern,A.和Pathak,S.(2017年)。在关系学习中自动设置语言偏见。在端到端机器学习数据管理第一次研讨会论文集中,DEEM@SIGMOD公司2017年(第3:1-3:4页)。ACM公司。
[96] Picado,J.、Termehchy,A.、Fern,A.、Pathak,S.、Ilango,P.和Davis,J.(2021)。具有自动语言偏见的可扩展和可用的关系学习。G.Li、Z.Li、S.Idreos和D.Srivastava(编辑),SIGMOD‘21:数据管理国际会议,虚拟事件,中国,2021年6月20日至25日(第1440-1451页)。ACM公司。doi:10.1145/3448016.3457275
[97] Plotkin,G.(1971)。归纳推理的自动方法。爱丁堡大学博士论文。
[98] 昆兰,JR,从关系中学习逻辑定义,机器学习,5239-266(1990)
[99] Ray,O.,非单调外展归纳学习,应用逻辑杂志,7,3,329-340(2009)·Zbl 1179.68125号
[100] Reed,S.E.和de Freitas,N.(2016年)。神经编程-解释器。在第四届国际学习代表大会上,ICLR 2016。
[101] Ribeiro,T.和Inoue,K.(2014)。从解释转换中学习基本隐含条件。在第24届归纳逻辑编程国际会议上,ILP 2014。计算机科学课堂讲稿(第9046卷,第108-125页)。斯普林格。
[102] Ribeiro,T.、Folschette,M.、Magnin,M.和Inoue,K.(2020年)。学习由逻辑程序表示的动态系统的任何语义。工作纸或预印本。
[103] Ribeiro,T.、Magnin,M.、Inoue,K.和Sakama,C.(2015)学习时间序列观测中具有延迟影响的多值生物模型。在第14届IEEE机器学习和应用国际会议上,ICMLA 2015(第25-31页)。电气与电子工程师协会。
[104] 理查森,M。;多明戈斯,PM,马尔可夫逻辑网络,机器学习,62,1-2,107-136(2006)·Zbl 1470.68221号 ·doi:10.1007/s10994-006-5833-1
[105] Rocktäschel,T.和Riedel,S.(2017年)。端到端的可微证明。《神经信息处理系统进展》第30卷:2017年12月4日至9日神经信息处理体系年度会议,第3788-3800页。
[106] Sammut,C.、Sheh,R.、Haber,A.和Wicaksono,H.(2015)。机器人工程师。在第25届归纳逻辑编程国际会议的最新论文中,《CEUR研讨会论文集》(第1636卷,第101-106页)。CEUR-WS.org。
[107] 佐藤(1995)。具有分布语义的逻辑程序的统计学习方法。L.Sterling(编辑),《逻辑编程》,第十二届逻辑编程国际会议论文集,1995年6月13日至16日,日本东京(第715-729页)。麻省理工学院出版社。
[108] 佐藤,T。;Kameya,Y.,符号统计建模逻辑程序的参数学习,人工智能研究杂志,15391-454(2001)·Zbl 0994.68025号 ·doi:10.1613/jair.912
[109] Schüller,P。;Benz,M.,《通过细粒度基于成本的假设生成的最佳努力归纳逻辑编程——归纳逻辑编程竞赛的激励系统》,机器学习,107,7,1141-1169(2018)·Zbl 1443.68155号
[110] Sivaraman,A.、Zhang,T.、den Broeck,G.V.和Kim,M.(2019年)。用于代码搜索的有源归纳逻辑编程。第41届国际软件工程会议论文集,ICSE 2019(第292-303页)。IEEE/ACM标准。
[111] Srinivasan,A.(2001)。ALEPH手册。牛津大学计算机实验室的机器学习。
[112] Srinivasan,A。;金,RD;Bain,M.,《归纳逻辑编程中相关信息使用的实证研究》,《机器学习研究杂志》,4369-383(2003)·Zbl 1102.68597号
[113] Stahl,I.,《ILP中作为偏置移位操作的谓词发明的适当性》,机器学习,20,1-2,95-117(1995)·兹比尔083068110
[114] Tamaddoni-Nezhad,A.、Bohan,D.、Raybould,A.和Muggleton,S.(2014年)。从生态数据中学习预测模型。在第24届归纳逻辑编程国际会议上,ILP 2014。计算机科学课堂讲稿(第9046卷,第154-167页)。斯普林格。
[115] Vaswani,A.、Shazeer,N.、Parmar,N.,Uszkoreit,J.、Jones,L.、Gomez,A.N.、Kaiser,Ł和Polosukhin,I.(2017)。注意力是你所需要的。《神经信息处理系统进展》,第5998-6008页。
[116] Wang,W.Y.、Mazaitis,K.和Cohen,W.W.(2014)。通过参数学习进行结构学习。《第23届ACM信息和知识管理国际会议论文集》,CIKM 2014(第1199-1208页)。ACM公司。
[117] Wirth,N.,《算法和数据结构》(1985),柏林:普伦蒂斯·霍尔出版社,柏林·Zbl 0674.68005号
[118] Yang,F.、Yang,Z.和Cohen,W.W.(2017)。用于知识库推理的逻辑规则的差异学习。NIPS 2017。
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。