Индуктивное логическое программирование
-
Основы индуктивного логического программирования
- Индуктивное логическое программирование (ILP) — это метод машинного обучения, который использует логические рассуждения для создания гипотез.
- ILP включает в себя индукцию, дедукцию и абдукцию, а также использует вероятностные рассуждения для создания вероятностных гипотез.
-
История и развитие
- ILP началось с работ по индуктивному обучению в 1950-х годах, но не получило широкого распространения до 1980-х годов.
- В 1980-х годах были разработаны первые системы ILP, такие как Progol и Hail, которые использовали индукцию и дедукцию для создания гипотез.
- В 1990-х годах появились системы, такие как Imparo, которые использовали обратное разрешение для поиска гипотез.
-
Методы и алгоритмы
- ILP использует различные методы, включая индукцию, дедукцию, абдукцию и обратное разрешение, для создания гипотез.
- Алгоритмы ILP включают поиск по дереву решений, обратное разрешение и метаинтерпретативное обучение.
-
Примеры систем и реализаций
- Системы ILP включают ACE, DL-Learner, ФОЛЬГА и другие, которые используют различные методы для создания гипотез.
- ProbLog и ProbFOIL являются примерами вероятностного ILP, которые адаптируют классические методы к вероятностным данным.
-
Метаинтерпретативное обучение
- Метаинтерпретативные системы кодируют программу ILP как метауровневую логическую программу и решают ее для получения оптимальной гипотезы.
-
Вероятностное индуктивное логическое программирование
- Вероятностное ILP адаптирует настройки ILP к обучению вероятностно-логическим программам.
- Оно включает изучение параметров и изучение структуры, а также использует методы максимизации ожиданий и градиентного спуска для оптимизации вероятностных параметров.
-
Рекомендации
- Статья содержит текст из бесплатного контента и лицензирована в соответствии с CC-BY 4.0.
- Для дальнейшего чтения предлагается наглядный пример создания отношения «дедушка-бабушка» с помощью системы Atom.
Полный текст статьи: