Theory refinement is the task of up

Theory refinement is the task of updating a domain theory in the light of new cases, to be done automatically or with some expert assistance. The problem of theory refinement under uncertainty is reviewed here in the context of Bayesian statistics, a theory of belief revision. The problem is reduced to an incremental learning task as follows: the learning system is initially primed with a partial theory supplied by a domain expert, and thereafter maintains its own internal representation of alternative theories which is able to be interrogated by the domain expert and able to be incrementally refined from data. Algorithms for refinement of Bayesian networks are presented to illustrate what is meant by "partial theory", "alternative theory representation", etc. The algorithms are an incremental variant of batch learning algorithms from the literature so can work well in batch and incremental mode.

ผลลัพธ์ (ไทย) 1:

ทฤษฎีรีไฟน์เมนท์เป็นงานของการปรับปรุงทฤษฎีโดเมนนี้กรณีใหม่ จะทำโดยอัตโนมัติ หรือ ด้วยความช่วยเหลือบางผู้เชี่ยวชาญ เป็นทบทวนปัญหาของทฤษฎีภายใต้ความไม่แน่นอนที่นี่ในบริบทของทฤษฎีสถิติ ทฤษฎีของการปรับปรุงความเชื่อ ปัญหาจะลดลงเป็นการงานการเรียนรู้เพิ่มขึ้นดังนี้: เรียนระบบจะเริ่มมีการรอง ด้วยทฤษฎีบางส่วนที่จัดทำ โดยผู้เชี่ยวชาญเป็นโดเมน และหลังรักษาตัวเองภายในแสดงทฤษฎีอื่นซึ่งสามารถถูกซักฟอก โดยผู้เชี่ยวชาญ และสามารถจะกลั่นแบบเพิ่มหน่วยข้อมูลโดเมน อัลกอริทึมสำหรับละเอียดลออของทฤษฎีเครือข่ายจะแสดงเพื่อแสดงสิ่งที่มีขึ้น โดย "ทฤษฎีบางส่วน" "ทฤษฎีอื่นแทน" เป็นต้น อัลกอริทึมมีตัวแปรเพิ่มขึ้นของชุดเรียนรู้อัลกอริทึมจากวรรณคดีเพื่อให้สามารถทำงานในชุดและเพิ่มโหมด

ผลลัพธ์ (ไทย) 2:

การปรับแต่งเป็นงานทฤษฎีของการปรับปรุงทฤษฎีโดเมนในแง่ของผู้ป่วยรายใหม่ที่จะทำได้โดยอัตโนมัติหรือด้วยความช่วยเหลือจากผู้เชี่ยวชาญบาง ปัญหาของการปรับแต่งภายใต้ทฤษฎีความไม่แน่นอนของการตรวจสอบที่นี่ในบริบทของสถ​​ิติคชกรรมทฤษฎีของการแก้ไขความเชื่อ ปัญหาที่เกิดขึ้นจะลดลงไปเป็นงานการเรียนรู้ที่เพิ่มขึ้นดังต่อไปนี้: ระบบการเรียนรู้ที่มีการจัดเตรียมไว้ครั้งแรกกับทฤษฎีบางส่วนที่จัดทำโดยผู้เชี่ยวชาญโดเมนและหลังจากนั้นยังคงแสดงภายในของตัวเองของทฤษฎีทางเลือกที่สามารถนำมาสอบปากคำโดยผู้เชี่ยวชาญโดเมนและมีความสามารถ จะได้รับการกลั่นเพิ่มขึ้นจากข้อมูล อัลกอริทึมสำหรับการปรับแต่งของเครือข่ายแบบเบย์นั้นจะแสดงให้เห็นถึงสิ่งที่หมายโดย "ทฤษฎีบางส่วน", "ตัวแทนทฤษฎีทางเลือก" ฯลฯ ขั้นตอนวิธีการเป็นตัวแปรที่เพิ่มขึ้นของขั้นตอนวิธีการเรียนรู้จากชุดวรรณกรรมเพื่อให้สามารถทำงานได้ดีในชุดและโหมดที่เพิ่มขึ้น

ผลลัพธ์ (ไทย) 3:

ทฤษฎีการปรับแต่งคืองานปรับปรุงโดเมนทฤษฎีในแง่ของรายใหม่จะทำโดยอัตโนมัติ หรือด้วยความช่วยเหลือจากผู้เชี่ยวชาญ . ปัญหาของทฤษฎีการภายใต้ความไม่แน่นอนจะตรวจทานที่นี่ในบริบทของสถิติแบบเบส์ ทฤษฎีของการแก้ไขความเชื่อ ปัญหาคือ ลดงานเพิ่มการเรียนรู้ ดังนี้ระบบการเรียนรู้ในช่วงแรกเป็น primed กับบางส่วนของทฤษฎีจัด โดย ผู้เชี่ยวชาญโดเมน และหลังจากนั้นยังคงรูปแบบภายในของตัวเองของทฤษฎีทางเลือกที่สามารถถูกสอบสวน โดยผู้เชี่ยวชาญ และแบบเพิ่มหน่วยกลั่น ได้จากข้อมูล ขั้นตอนวิธีสำหรับการปรับแต่งของเครือข่ายแบบเบย์ ซึ่งแสดงให้เห็นถึงสิ่งที่หมายโดย " ทฤษฎี " บางส่วน" แทน " ทฤษฎีทางเลือก ฯลฯ ขั้นตอนวิธีมีตัวแปรเพิ่มชุดการเรียนรู้ขั้นตอนวิธีจากวรรณกรรมเพื่อให้สามารถทำงานได้ดีในโหมด batch และเพิ่มขึ้น .