基于高阶逻辑的复杂结构归纳学习研究

计算机科学 ›› 2008, Vol. 35 ›› Issue (9): 136-143.

基于高阶逻辑的复杂结构归纳学习研究

李琳娜杨炳儒周法国

北京科技大学信息工程学院,北京100083

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
获国家自然科学基金项目（项目批准号：60675030）和《国家科技成果重点推广计划》项目（2003EC000001）资助.

LI Lin-na, YANG Bing-ru ,ZHOU Fa-guo （School of Information Engineering,Beijing University of Science and Technology,Beijing 100083 ,China）

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 归纳学习的目的在于发现样例与离散的类之间的映射关系，样例及归纳的映射都需用某个形式化语言描述。归纳学习器采用的形式化语言经历了属性-值语言、一阶逻辑、类型化的高阶逻辑三个阶段，后者能克服前二者在知识表达及学习过程中的很多缺点。本文首先阐述了基于高阶逻辑的复杂结构归纳学习产生的历史背景；其次介绍了基于高阶逻辑的编程语言——Escher的知识描述形式及目前已提出的三种学习方法；复杂结构的归纳学习在机器学习领域的应用及如何解决一些现实问题的讨论随后给出；最后分析了复杂结构归纳学习的研究所面临的挑战性问题。

关键词: 归纳学习高阶逻辑归纳逻辑编程遗传编程复杂结构数据

Abstract: Inductive learning consists of finding mapping of examples into discrete classes. Examples and induced mapping are represented in some formal language. The formal language employed by inductive learners has undergone three stages, such as, attribute-value

Key words: Inductive learning, Higher-order logic, Inductive logic programming, Genetic programming, Complex struc- tured data

李琳娜杨炳儒周法国. 基于高阶逻辑的复杂结构归纳学习研究[J]. 计算机科学, 2008, 35(9): 136-143. https://doi.org/

LI Lin-na, YANG Bing-ru ,ZHOU Fa-guo （School of Information Engineering,Beijing University of Science and Technology,Beijing 100083 ,China）. [J]. Computer Science, 2008, 35(9): 136-143. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed