Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/csharp/262.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Language agnostic 是否有任何自我学习的声明式/归纳式编程语言来输入预期的结果,而不是要遵循的过程?_Language Agnostic_Machine Learning_Artificial Intelligence_Induction - Fatal编程技术网

Language agnostic 是否有任何自我学习的声明式/归纳式编程语言来输入预期的结果,而不是要遵循的过程?

Language agnostic 是否有任何自我学习的声明式/归纳式编程语言来输入预期的结果,而不是要遵循的过程?,language-agnostic,machine-learning,artificial-intelligence,induction,Language Agnostic,Machine Learning,Artificial Intelligence,Induction,告诉计算机问题是什么,而不是如何解决问题的语言。因此,给定一个数据库或一组规则,计算机会试图找到一个匹配所有所需属性的解决方案 示例1(格式:输入变量=>预期输出) 一套规则: 2,2=>4;2, 4 => 6; 4、4=>8等 然后程序会知道它需要添加所有的输入变量。根据维基百科的说法,这是机器学习的一个子领域,用于统一表示示例、背景知识和假设 例如,给定已知背景知识的编码和一组表示为事实逻辑数据库的示例,ILP系统将导出一个假设的逻辑程序,该程序包含所有正面示例,而没有负面示例。归纳逻辑编程

告诉计算机问题是什么,而不是如何解决问题的语言。因此,给定一个数据库或一组规则,计算机会试图找到一个匹配所有所需属性的解决方案

示例1(格式:输入变量=>预期输出)

一套规则:
2,2=>4;2, 4 => 6; 4、4=>8等

然后程序会知道它需要添加所有的输入变量。

根据维基百科的说法,这是机器学习的一个子领域,用于统一表示示例、背景知识和假设

例如,给定已知背景知识的编码和一组表示为事实逻辑数据库的示例,ILP系统将导出一个假设的逻辑程序,该程序包含所有正面示例,而没有负面示例。归纳逻辑编程在生物信息学和自然语言处理中特别有用

有一些已知的实现,例如:

  • 埃胡德·夏皮罗的MIS(模型推理系统)
  • Warmr(现在包含在ACE中)
根据维基百科的说法,是机器学习的一个分支,用于统一表示示例、背景知识和假设

例如,给定已知背景知识的编码和一组表示为事实逻辑数据库的示例,ILP系统将导出一个假设的逻辑程序,该程序包含所有正面示例,而没有负面示例。归纳逻辑编程在生物信息学和自然语言处理中特别有用

有一些已知的实现,例如:

  • 埃胡德·夏皮罗的MIS(模型推理系统)
  • Warmr(现在包含在ACE中)
至少在理论上,语言可以做到这一点。语言可以做到这一点,至少在理论上是如此。