您的位置： 专家智库 > >

刘强

作品数：1 被引量：11H指数：1
供职机构：中山大学信息科学与技术学院软件研究所更多>>
发文基金：博士科研启动基金国家自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 1篇中文期刊文章

领域

  • 1篇自动化与计算...

主题

  • 1篇人工智能

机构

  • 1篇广东工业大学
  • 1篇暨南大学
  • 1篇中山大学

作者

  • 1篇姜云飞
  • 1篇饶东宁
  • 1篇蒋志华
  • 1篇刘强

传媒

  • 1篇计算机学报

年份

  • 1篇2010
共 1 条 记 录，以下是 1-1
全选 清除 导出
排序方式：
从规划解中学习一阶派生谓词规则被引量：11
2010年
派生谓词是描述动作非直接效果的主要方式.但是由人类专家设计的派生谓词规则(即领域理论)不能保证总是正确或者完备的,因此有时很难解释一个观察到的规划解为什么是有效的.结合归纳学习与分析学习的优点,文中提出一种称为FODRL(First-Order Derived Rules Learning)的算法,在不完美的初始领域理论的引导下从观察到的规划解中学习一阶派生谓词规则.FODRL基于归纳学习算法FOIL(First-Order Inductive Learning),最主要的改进是可以使用派生谓词的激活集来扩大搜索步,从而提高学习到的规则的精确度.学习过程分为两个步骤:先从规划解中提取训练例,然后学习能够最好拟合训练例和初始领域理论的一阶规则集.在PSR和PROME-LA两个派生规划领域进行实验,结果表明,在大部分情况下FODRL比FOIL(甚至包括其变型算法FOCL)学习到的规则的精确度都要高.
饶东宁蒋志华姜云飞刘强
关键词：人工智能
全选 清除 导出
共1页<1>
聚类工具0