归纳学习pdf-智能科学网站.pdf

高级人工智能 第七章 归纳学习 Inductive Learning 史忠植 中国科学院计算技术研究所 内容提要 7.1 归纳学习的逻辑基础 7.2 偏置变换 7.3 变型空间方法 7.4 AQ归纳学习算法 7.5 产生与测试方法 7.6 决策树学习 7.7 可学习的计算理论 2015/4/15 史忠植 高级人工智能 2 概 述 给定关于某个概念的一系列已知的正例和反例， 其任务是从中归纳出一个一般的概念描述。归纳学 习能够获得新的概念，创立新的规则，发现新的理 论。 泛化(generalization)用来扩展一假设的语义信息， 以使其能够包含更多的正例，应用于更多的情况。 特化 (specialization)是泛化的相反的操作，用于 限制概念描述的应用范围。 2015/4/15 史忠植 高级人工智能 3 归纳学习的一般模式 给定: ① 观察语句集 (事实)F ：这是有关某类对象中个别 具体对象的知识或某一对象的部分特征的知识。 ② 假定的初始归纳断言 (可空) ：是关于目标的泛化项或泛化描 述。 ③ 背景知识：背景知识定义了在观察语句和所产生的候选归纳 断言上的假定和限制，以及任何有关问题领域知识。有关问题领 域知识包括特化所找归纳断言的期望性质的择优标准。 寻找: 归纳断言H(hypothesis), H 重言或弱蕴涵观察语句并满足背景 知识。 2015/4/15 史忠植 高级人工智能 4 基本符号表 ~ 非 合取（逻辑乘）  析取（逻辑加）  蕴涵  逻辑等价  项重写  异或 F事实集 H 假设 | 特化 | 泛化 2015/4/15 史忠植 高级人工智能 5 基本符号表 |= 重新形式化 vi存在量词约束变项vi Ivi 数值存在量词约束变项vi vi 全称量词约束变项vi Di 概念描述 Ki 判断一个概念的名字的谓词 :: 将概念描述与概念名连接的蕴涵 ei 一个事件（对一种情况的描述） Ei 仅对概念ki的事件为真的谓词 Xi 属性 LEF 评价函数 2015/4/15 史忠植 高级人工智能 6 DOM(P) 描述符P的定义域 概念获取 概念获取的一类特殊情况，它的观察语句集F是一个 蕴涵的集合, 其形式如下： F: {e :: K} i I ik i 其中，e (Ki的训练事件)是概念Ki的第k个例子的符 ik 号描述。概念的谓词Ki, I是Ki的下标集合。 eik :: Ki的含义是“凡符合描述eik的事件均可被 断言为概念Ki的例子。 2015/4/15 史忠植