This paper presents an incremental

This paper presents an incremental learning algorithm (ILA) that attempts to combine inductive
learning from examples with prior knowledge and reasoning. ILA is essentially a nearest hyperplane
learning model. It incorporates prior knowledge in the form of precepts that are hyperplanes whose
semantics are that of default rules. Finally, ILA implements a simple form of default reasoning,
combined with similarity-based reasoning, thus allowing it to perform many plausible inferences.
Results of simulation of ILA on many real-world datasets and commonsense protocols are presented
and discussed. They demonstrate promise.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้นำเสนอการเรียนรู้เพิ่มอัลกอริทึม (ILA) ที่พยายามรวมเชิงอุปนัยเรียนรู้จากตัวอย่างกับความรู้เดิมและการใช้เหตุผล ILA คือ หลัก hyperplane ที่ใกล้ที่สุดรูปแบบการเรียนรู้ มันรวมเอาความรู้เดิมในรูปแบบของศีลที่เป็น hyperplanes ที่มีความหมายอยู่ที่กฎเริ่มต้น สุดท้าย ILA ใช้ค่าเริ่มต้นในการใช้เหตุผล รูปแบบเรียบง่ายรวมกับความคล้ายคลึงกันตามเหตุผล จึง ปล่อยให้มันทำ inferences มากเป็นไปได้แสดงผลลัพธ์ของการจำลอง ILA datasets จริงมากและโปรโตคอล commonsenseและกล่าวถึง พวกเขาแสดงให้เห็นถึงสัญญา

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอการเรียนรู้ขั้นตอนวิธีการที่เพิ่มขึ้น (ILA)
ที่พยายามที่จะรวมเหนี่ยวนำการเรียนรู้จากตัวอย่างที่มีความรู้ก่อนและการใช้เหตุผล ILA
เป็นหลักที่ใกล้ที่สุดไฮเปอร์เพลรูปแบบการเรียนรู้ มันรวมความรู้ก่อนในรูปแบบของศีลที่มี hyperplanes
ที่มีความหมายที่ของกฎเริ่มต้น สุดท้าย ILA
ดำเนินการรูปแบบที่เรียบง่ายของการใช้เหตุผลค่าเริ่มต้นรวมกับเหตุผลที่คล้ายคลึงกันตามจึงปล่อยให้มันดำเนินการหาข้อสรุปที่เป็นไปได้จำนวนมาก.
ผลการจำลอง ILA ในชุดข้อมูลที่แท้จริงของโลกจำนวนมากและโปรโตคอล commonsense
จะถูกนำเสนอและพูดคุยกัน พวกเขาแสดงให้เห็นถึงคำมั่นสัญญา

ผลลัพธ์ (ไทย) 3:

บทความนี้เสนอวิธีการเพิ่มการเรียนรู้ ( ILA ) ที่พยายามที่จะรวมการเรียนรู้แบบอุปนัย
จากตัวอย่างกับความรู้เดิมและการใช้เหตุผล ด้านหน้าเป็นหลักที่ระนาบเกิน
รูปแบบการเรียนรู้ มันประกอบด้วยความรู้เดิมในรูปแบบของข้อบังคับที่ hyperplanes ของใคร
ความหมายว่าของกฎเริ่มต้น . ในที่สุด ไอลาใช้รูปแบบของการให้เหตุผลเริ่มต้น
รวมกับความเหมือนเหตุผลตาม จึงอนุญาตให้ทำการอ้างอิงน่าเชื่อถือมาก ผลลัพธ์ของการจำลองไอลา
บนโลกแห่งความจริงหลายโปรโตคอลและข้อมูล commonsense เสนอ
และกล่าวถึง พวกเขาแสดงให้เห็นสัญญา