.png){kind=icon}
返回
Inductive Learning for Possibilistic Logic Programs Under Stable Models
.png){kind=icon}
OA
AI
DOI：10.1017/S1471068425100355.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可能逻辑程序（poss-programs）在稳定模型下是答案集编程的一个主要变体。虽然其语义（可能稳定模型）和性质已被深入研究，但归纳推理问题尚未被探讨。本文提出了一种从背景程序和示例（预期可能稳定模型的部分）中提取poss-programs的方法。为此，首先正式定义了归纳任务的概念，研究了其性质，并提出了两种计算归纳解的算法ilpsm和ilpsmmin。还提供了ilpsmmin的实现，实验结果表明，当输入为普通逻辑程序时，该原型在随机生成的数据集上优于从稳定模型中学习普通逻辑程序的主要归纳学习系统。
Keyword:
stable models
possibilistic logic programs
inductive logic programming
期刊
T
IF:
1.1
论文数:
24
被引数:
684
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容