基于高阶逻辑的复杂结构归纳学习研究

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

所属期刊栏目：35

分类号：TP3;O14

资助基金：获国家自然科学基金项目60675030;《国家科技成果重点推广计划》项目2003EC000001

在线出版日期：2008-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：136-143