Much effort has been devoted to und

Much effort has been devoted to understanding learning and reasoning in artificial intelligence.
However, very few models attempt to integrate these two complementary processes. Rather, there is a
vast body of research in machine learning, often focusing on inductive learning from examples, quite
isolated from the work on reasoning in artificial intelligence. Though these two processes may be
different, they are very much interrelated. The ability to reason about a domain of knowledge is often
based on rules about that domain, that must be learned somehow. And the ability to reason can often
be used to acquire new knowledge, or learn. This paper introduces an Incremental Learning Algorithm
(ILA) that attempts to combine inductive learning with prior knowledge and reasoning. ILA has many
important characteristics useful for such a combination, including: 1) incremental, self-organizing
learning, 2) non-uniform learning, 3) inherent non-monotonicity, 4) extensional and intensional
capabilities, and 5) low order polynomial complexity. The paper describes ILA, gives simulation
results for several applications, and discusses each of the above characteristics in detail.

ผลลัพธ์ (ไทย) 1:

มีการทุ่มเทความพยายามมากเพื่อทำความเข้าใจเรียนรู้ และใช้เหตุผลในปัญญาประดิษฐ์อย่างไรก็ตาม รุ่นน้อยมากพยายามที่จะบูรณาการกระบวนการเสริมเหล่านี้สอง ค่อนข้าง มีการร่างกายมากมายของการวิจัยในการเรียนรู้ของเครื่อง มักจะเน้นการเรียนรู้จากตัวอย่าง เหนี่ยวมากแยกต่างหากจากงานบนเหตุผลในปัญญาประดิษฐ์ แม้ว่า กระบวนการเหล่านี้สองอาจแตกต่างกัน พวกเขาจะเกี่ยวข้องมาก มักจะให้เหตุผลเกี่ยวกับโดเมนของความรู้เป็นตามกฎที่เกี่ยวกับโดเมน ที่ต้องเรียนรู้อย่างใด และสามารถให้เหตุผลมักจะสามารถใช้ การได้รับความรู้ใหม่ เรียนรู้ เอกสารนี้แนะนำอัลกอริทึมการเรียนรู้เพิ่มขึ้น(ILA) ที่พยายามรวมเหนี่ยวพร้อมเรียนรู้กับความรู้เดิม และการใช้เหตุผล ILA ได้หลายลักษณะสำคัญที่เป็นประโยชน์สำหรับเช่นชุด รวมทั้ง: 1) เพิ่มขึ้น การจัดการตนเองเรียนรู้ 2) ไม่สม่ำเสมอการเรียนรู้ 3) โดยธรรมชาติไม่ใช่-monotonicity, 4) extensional และ intensionalความสามารถ และ 5) ต่ำความซับซ้อนโพลิโนเมียสั่ง กระดาษอธิบาย ILA จำลองให้ผลการใช้งาน และอธิบายลักษณะดังกล่าวในรายละเอียดแต่ละ

ผลลัพธ์ (ไทย) 2:

ความพยายามมากได้รับการอุทิศเพื่อความเข้าใจในการเรียนรู้และการใช้เหตุผลในด้านปัญญาประดิษฐ์.
แต่ไม่กี่รุ่นมากพยายามที่จะบูรณาการทั้งสองกระบวนการเสริม แต่มีร่างกายใหญ่ของการวิจัยในการเรียนรู้เครื่องมักจะมุ่งเน้นไปที่การเรียนรู้ที่นำเข้ามาจากตัวอย่างที่ค่อนข้างแยกออกจากการทำงานในการให้เหตุผลในปัญญาประดิษฐ์ แม้ว่าทั้งสองกระบวนการอาจจะแตกต่างกันที่พวกเขามีความสัมพันธ์กันอย่างมาก ความสามารถในการให้เหตุผลเกี่ยวกับโดเมนของความรู้มักจะอยู่บนพื้นฐานของกฎระเบียบเกี่ยวกับโดเมนที่ที่จะต้องเรียนรู้อย่างใด และความสามารถในเหตุผลที่มักจะสามารถนำมาใช้จะได้รับความรู้ใหม่หรือเรียนรู้ กระดาษนี้จะแนะนำขั้นตอนวิธีการเรียนรู้ที่เพิ่มขึ้น(ILA) ที่พยายามที่จะรวมการเรียนรู้อุปนัยที่มีความรู้ก่อนและการใช้เหตุผล ILA มีหลายลักษณะที่สำคัญที่มีประโยชน์สำหรับการดังกล่าวรวมกันรวมไปถึง: 1) ที่เพิ่มขึ้นด้วยตนเองการจัดการเรียนรู้2) การเรียนรู้ที่ไม่สม่ำเสมอ 3) โดยธรรมชาติที่ไม่ monotonicity 4) extensional และ intensional ความสามารถและ 5) การสั่งซื้อต่ำซับซ้อนพหุนาม . กระดาษอธิบาย ILA ให้จำลองผลสำหรับการใช้งานหลายและกล่าวถึงแต่ละลักษณะดังกล่าวข้างต้นในรายละเอียด

ผลลัพธ์ (ไทย) 3:

ความพยายามมากที่ได้รับการอุทิศเพื่อความเข้าใจการเรียนรู้และการให้เหตุผลในด้านปัญญาประดิษฐ์ .
แต่นางแบบน้อยมากพยายามที่จะรวมทั้งสองซึ่งกระบวนการ ค่อนข้างมีมากของการวิจัยในการเรียนรู้
ตัวเครื่องมักจะเน้นการเรียนรู้จากตัวอย่างค่อนข้าง
แยกจากการทำงานในการใช้เหตุผลในปัญญาประดิษฐ์ แม้ว่าทั้งสองกระบวนการอาจ
ที่แตกต่างกัน พวกเขามีมากคาบ ความสามารถในการเหตุผลเกี่ยวกับโดเมนของความรู้มัก
ตามกฎเกี่ยวกับโดเมนนั้น จะต้องเรียนให้ได้ และความสามารถในการเหตุผลมักจะ
ใช้ที่จะได้รับความรู้ใหม่ๆ หรือเรียนรู้ กระดาษนี้จะแนะนำวิธีการเพิ่มการเรียนรู้
( ILA ) ที่พยายามที่จะรวมการเรียนรู้แบบอุปนัยกับความรู้เดิมและการใช้เหตุผลด้านหน้ามีลักษณะที่สำคัญมาก
ประโยชน์เช่นการรวมกัน รวมถึง : 1 ) เพิ่ม บน
การเรียนรู้ 2 ) ความไม่สม่ำเสมอของการเรียนรู้ 3 ) โดยธรรมชาติ ไม่ monotonicity , 4 ) และแบบขยาย intensional
ความสามารถและ 5 ) ต่ำการสั่งซื้อแบบซับซ้อน กระดาษอธิบายไอลา ให้จำลอง
ผลสำหรับโปรแกรมประยุกต์ต่าง ๆ และกล่าวถึงแต่ละลักษณะข้างต้นในรายละเอียด