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?
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: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
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。