逆演绎的学习算法研究  

Research on a Learning Algorithm as Inverse Deduction

作　　者：石振国[1,2] 刘宗田[2] 陈建平[1] 

机构地区：[1]南通大学计算机科学与技术学院,江苏南通226019 [2]上海大学计算机工程与科学学院,上海200072

出　　处：《南通大学学报（自然科学版）》2009年第3期10-16,共7页Journal of Nantong University(Natural Science Edition)　

基　　金：国家自然科学基金项目(60575035);江苏省高校自然科学基金项目(07KJB520096)

摘　　要：针对传统归纳学习的困难,提出一种新的逆演绎的学习算法.从学习任务、模式声明和启发信息角度出发,研究逆演绎学习算法相关的逆演绎规则、格结构和状态算子等核心问题,并利用逆演绎的学习算法实现了学习推理系统.该算法包括最特殊子句构造、状态空间搜索和覆盖集计算3个模块;以最泛化子句为顶结点、最特殊子句为底结点、其他为中间结点,通过状态算子构建格结构的状态空间,在压缩引导的启发信息下,类A*算法完成状态空间搜索,得到压缩最大的正例结点或反例结点;再利用覆盖集算法不断进行覆盖正例去除反例的操作,计算出经剪枝和压缩的最优子句;重复计算的最大压缩率的假设,便是搜索出的关系,也是需要学习的结果.算法测试结果表明,逆演绎的学习算法可产生泛化能力很强的规则,是可行及有效的.This paper proposes a new algorithm called LAID （learning algorithm as inverse deduction） considering the difficulty of traditional induction learning. Inverse deduction is an approach in which induction learning is treated as the inverse of deduction. The key issues of LAID include the inverse deduction rules, lattice structures and state operators from the perspectives of learning tasks, mode declarations and heuristic information. A learning and reasoning system is implemented using the LAID. Experimental results show that LAID is a feasible and effective algorithm that can generate rules with strong generalization ability.

关 键 词：逆演绎 归纳学习 算法 逻辑程序 格结构 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]