Глоссарий ИИ
Полный словарь искусственного интеллекта
Индуктивное логическое программирование (ИЛП)
Парадигма машинного обучения, которая сочетает логическое программирование и обучение для вывода логических теорий, таких как правила или программы, из примеров и фоновых знаний.
Обучение с ограничениями
Структура обучения, в которой модель строится путем удовлетворения набора ограничений, выведенных из данных, часто используется для структурирования пространства поиска в сложных задачах.
Фоновая теория (Фоновые знания)
Набор предсуществующих фактов, правил и определений, предоставляемых системе ИЛП для руководства процессом индукции и ограничения изучаемой гипотезы.
Положительные и отрицательные примеры
Обучающие данные в ИЛП, где положительные примеры - это экземпляры, которые целевое понятие должно охватывать, а отрицательные примеры - это экземпляры, которых оно должно избегать.
Индуктивная гипотеза
Правило или логическая программа, сгенерированная системой ИЛП, которая объясняет положительные примеры, оставаясь согласованной с отрицательными примерами и фоновой теорией.
Правило покрытия
Стратегия индукции, при которой правило изучается для покрытия подмножества положительных примеров, затем эти примеры удаляются, и процесс повторяется до тех пор, пока все примеры не будут покрыты.
Специализация и генерализация
Фундаментальные операции в ИЛП для навигации в пространстве гипотез; генерализация расширяет покрытие правила, а специализация ограничивает его, чтобы избежать отрицательных примеров.
Индуктивное смещение
Набор ограничений или предположений, которые ограничивают пространство возможных гипотез в ИЛП, необходимый для осуществимости обучения и направления к релевантным решениям.
Система ILP (ILP System)
Программное обеспечение, реализующее алгоритмы индуктивного логического программирования, такое как Progol, Aleph или TILDE, способное выводить логические правила из данных.
Интерпретация моделей
Ключевое преимущество ILP, где изученные модели представляют собой наборы явных логических правил, легко понятных человеком, в отличие от черных ящиков.
Реляционное обучение
Подобласть машинного обучения, которая обрабатывает данные, описываемые отношениями между объектами, для которой ILP особенно хорошо подходит.
Нисходящий вывод
Подход индукции в ILP, который начинается с очень общего правила и специализирует его для исключения отрицательных примеров, типичный для таких систем, как Progol.
Восходящий вывод
Подход индукции в ILP, который начинается с конкретного положительного примера и постепенно обобщает правило для охвата большего количества примеров, как в алгоритме GOLEM.
Принцип минимальной длины описания (MDL)
Критерий оценки в ILP, который предпочитает гипотезу, предлагающую лучший компромисс между сложностью теории и ее способностью кодировать данные, стремясь к наиболее короткому сжатию.
Синтез программ
Применение ILP, направленное на автоматическое обнаружение исполняемой компьютерной программы на основе спецификаций или примеров входных/выходных данных.
Ревизия теории
Задача в ILP, заключающаяся в модификации существующей логической теории для обеспечения ее согласованности с новыми наблюдениями путем добавления, удаления или изменения правил.
Обучение Предикатных Определений
Основная цель в ILP, где ищется логическое определение целевого предиката (например: `parent(X,Y)`) на основе примеров и фоновых знаний.
Отрицание как Неудача (Negation as Failure)
Концепция логического программирования, где отрицательное условие считается истинным, если соответствующее положительное условие не может быть доказано, часто используется в гипотезах ILP.
Пространство Поиска Гипотез
Множество всех возможных логических клауз, которые алгоритм ILP может исследовать, структурированное и обходимое с использованием стратегий, таких как обобщение или специализация.