声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：戴望州,周志华,
关键词：机器学习, 一阶逻辑, 规则学习, 归纳逻辑程序设计, 概率归纳逻辑程序设计,
归纳逻辑程序设计(inductivelogicprogramming,ILP)是以一阶逻辑归纳理论为基础，并以一阶逻辑为表达语言的符号规则学习方法.ILP学得的模型是易于理解的一阶逻辑符号规则，而非难以解释的黑箱模型；在学习中可以相对容易地显式利用以一阶逻辑描述的领域知识；学得模型能对领域中个体间的关系进行建模，而非仅仅对个体的标记进行预测.然而，由于潜在假设空间巨大，进行高效学习有相当的困难.综述了ILP领域的研究情况，从不同一阶逻辑归纳理论的角度对主流的ILP方法做出了梳理.还介绍了近年来ILP基于二阶诱导推理理论的扩展、基于概率的扩展和引入可微构件的扩展.最后，介绍了ILP在实际任务中的代表性应用，探讨了ILP方法目前所遇到的挑战，并对其未来发展进行了展望.
来源：2019年第1期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。