转动30：归纳逻辑编程中的新思路

下载PDF摘要：对最先进的机器学习的常见批判包括差不多的可言论，缺乏可解释性，需要大量的数据。我们调查了最近在归纳逻辑编程（ILP）的工作，机器学习的变形，诱导来自数据的逻辑程序，在解决这些限制时已经出现了出现的逻辑程序。我们专注于从少数示例中概括的学习程序的新方法，从使用手制作的背景知识转移到\ emph {学习}背景知识，以及使用不同技术的使用，特别是回答集编程和神经网络。随着ILP方法30，我们还讨论了未来研究的路线。

来自：Andrew Cramper [查看电子邮件] [V1] Tue，2月25日2月25日16:23:11 UTC（57 KB）[V2]周三，2月26日26日07:27:32 UTC（57 KB）[V3] Sun，1 3月2020年3月13:36:32 UTC（57 KB）[v4]周三，4月22日09:06:19 UTC（57 KB）

关于Arxivlabs Arxivlabs的书目工具代码相关论文是一个框架，允许合作者在我们的网站上直接开发和分享新的Arxiv功能。

与Arxivlabs合作的个人和组织都接受并接受了我们的开放，社区，卓越和用户数据隐私价值观。 Arxiv致力于这些价值观，只与遵守它们的合作伙伴合作。

有一个项目，将增加Arxiv＆＃39;社区的价值？了解有关Arxivlabs以及如何参与的更多信息。