解释学习是近年来出现的一种机器学习方法。它利用问题求解的示例,
依赖领域知识构造出求解过程的因果解释结构,并获取控制知识,为以后类 似问题求解提供指导。解释学习过程可分成两个步骤:
1.产生解释
输入实例后,系统首先对问题进行求解。一旦得到解,便证明了该目标 可满足,同时获得了证明的因果解释结构。构造解释结构通常有两种方式: 其一是将问题求解每一步推理所用的算子汇集,构成一个动作序列作为解释 结构;其二是自顶向下的遍历证明树结构。
2.对得到的解释结构和事例进行概括 概括通常采取的方法是将常量转换成变量,且去掉某些不重要的信息, 仅仅保留在求解时所必需的那些关键信息,经过一定的方式进行组合形成产 生式规则,从而获得概括性的控制知识。
<下一页>
<返回主页>
|