.png){kind=icon}
返回
Learning answer set programs with aggregates via sampling and genetic programming
.png){kind=icon}
OA
AI
DOI：10.1007/s10994-025-06780-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
归纳逻辑编程的目标是从输入的示例中学习一个逻辑程序。可能程序的搜索空间受限于语言偏差，该偏差定义了规则中允许使用的原子和文字。答案集编程是一种强大的形式化方法，用于表示复杂的组合域，也得益于诸如聚合体之类的句法结构。然而，从数据中学习答案集程序具有挑战性，并且现有工具通常不支持在语言偏差中指定聚合体。在本文中，我们介绍了GENTIANS，这是一种基于遗传算法的工具，用于从示例中学习可能包含聚合体、算术运算符和比较运算符的答案集程序。实证结果，包括与现有求解器的对比，表明GENTIANS即使在搜索空间包含数百万个子句时也能提供准确的解决方案。此外，在嘈杂数据集上的实验展示了我们方法的有效性。
Keyword:
Answer set programming
Inductive logic programming
Genetic programming
期刊
IF:
2.9
论文数:
2.7K
被引数:
3.4W
机构
引用论文
分享收藏Parallel tempered genetic algorithm guided by deep neural networks for inverse molecular design.png)
DIGITAL DISCOVERY
OAAI
DIGITAL DISCOVERYIF5.6
OAAI分享收藏
查看更多内容