Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/873
Title: Επαγωγικός λογικός προγραμματισμός και εφαρμογές
Authors: Λώλης, Γεώργιος Ε.
Issue Date: 2008-08-28T06:06:35Z
Keywords: Επαγωγικός λογικός προγραμματισμός
Λογικός προγραμματισμός
Τεχνητή νοημοσύνη
Μάθηση μηχανής
Keywords (translated): Inductive logic programming
Logic programming
Artificial intelligence
Machine learning
Abstract: Ο Επαγωγικός Λογικός Προγραμματισμός (Inductive Logic Programming ή, σε συντομογραφία ILP) είναι ο ερευνητικός τομέας της Τεχνητής Νοημοσύνης (Artificial Intelligence) που δραστηριοποιείται στη τομή των γνωστικών περιοχών της Μάθησης Μηχανής (Machine Learning) και του Λογικού Προγραμματισμού (Logic Programming).Ο όρος επαγωγικός εκφράζει την ιδέα του συλλογισμού από το επί μέρους στο γενικό. Μέσω της επαγωγικής μάθησης μηχανής ο ILP επιτυγχάνει το στόχο του που είναι η δημιουργία εργαλείων και η ανάπτυξη τεχνικών για την εξαγωγή υποθέσεων από παρατηρήσεις (παραδείγματα) και η σύνθεση-απόκτηση νέας γνώσης από εμπειρικές παρατηρήσεις. Σε αντίθεση με της περισσότερες άλλες προσεγγίσεις της επαγωγικής μάθησης ο ILP ενδιαφέρεται για της ιδιότητες του συμπερασμού με κανόνες για την σύγκλιση αλγορίθμων και για την υπολογιστική πολυπλοκότητα των διαδικασιών. Ο ILP ασχολείται με την ανάπτυξη τεχνικών και εργαλείων για την σχεσιακή ανάλυση δεδομένων. Εφαρμόζεται απευθείας σε δεδομένα πολλαπλών συσχετισμών για την ανακάλυψη προτύπων. Τα πρότυπα που ανακαλύπτονται από τα συστήματα στον ILP εκφράζονται ως λογικά προγράμματα. Τα λογικά προγράμματα αποτελούνται από ειδικούς κανόνες, οι οποίοι χωρίζονται στις προϋποθέσεις και στα συμπεράσματα. Ο ILP έχει χρησιμοποιηθεί εκτεταμένα σε προβλήματα που αφορούν τη μοριακή βιολογία, την βιοχημεία και την χημεία. Τα παραδείγματα, οι κανόνες εκφράζουν την γνώση υποβάθρου εκφράζονται σε μια γλώσσα λογικού προγραμματισμού όπως η Prolog. Ο Επαγωγικός Λογικός Προγραμματισμός διαφοροποιείται από τις άλλες μορφές Μάθησης Μηχανής, αφ’ ενός μεν λόγω της χρήσης μιας εκφραστικής γλώσσας αναπαράστασης και αφ’ ετέρου από τη δυνατότητά του να χρησιμοποιεί τη γνώση υποβάθρου. Διάφορες εφαρμογές έχουν αναπτυχθεί, εκ των οποίων η πιο πρόσφατη είναι η Progol, που αποτελείται από ένα διερμηνέα της Prolog ο οποίος συνοδεύεται από έναν αλγόριθμο Αντίστροφης Συνεπαγωγής (Inverse Entailment) που κατασκευάζει νέες προτάσεις με τη γενίκευση των παραδειγμάτων που περιέχονται στη βάση δεδομένων της Prolog. Η θεωρία του Επαγωγικού Λογικού Προγραμματισμού εγγυάται ότι η Progol θα διεξάγει μια αποδεκτή αναζήτηση στο διάστημα των γενικεύσεων, βρίσκοντας το ελάχιστο σύνολο προτάσεων, από το οποίο όλα τα παραδείγματα μπορούν να προκύψουν. Στην συγκεκριμένη εργασία η Progol είναι το εργαλείο που χρησιμοποιείται για την ανάπτυξη των παραδειγμάτων εφαρμογής του ILP.
Abstract (translated): The Inductive Reasonable Planning (Inductive Logic Programming or, in abbreviation ILP) is the inquiring sector Artificial Intelligence that is activated in the section of cognitive regions of Learning of Machine (Machine Learning) and Reasonable Planning (Logic Programming). The term inductive expresses the idea of reasoning from on part in general. Via the inductive learning of machine the ILP achieves his objective that is the creation of tools and the growth of techniques for the export of affairs from observations (examples) and composition of new knowledge from empiric observations. Contrary to more other approaches of inductive learning the ILP is interested for its inference attributes with rules on the convergence of algorithms and on the calculating complexity of processes. The ILP deals with the growth of techniques and tools for the relational analysis of data. It is applied directly in data of multiple correlations on the discovery of models. The models that are discovered by the systems in the ILP are expressed as reasonable programs. The reasonable programs are constituted by special rules, which are separated in the conditions and in the conclusions. The ILP has been used extensive in problems that concern the molecular biology, the biochemistry and the chemistry. The examples, the rules express the knowledge of background are expressed in a language of reasonable planning as the Prolog. The Inductive Reasonable Planning is differentiated by the other forms of Learning of Machine, on the one hand men because the use of expressive language of representation and on the other hand by his possibility of using the knowledge of background. Various applications have been developed, from which most recent is Progol, that is constituted from interpreter of Prolog which is accompanied by a algorithm of Inverse Entailment that manufactures new proposals with the generalisation of examples that is contained in the base of data of Prolog. theory of Inductive Reasonable Planning guarantees that the Progol will carry out a acceptable search in the interval of generalisations, finding the minimal total of proposals, from which all the examples can result. In the particular work the Progol is the tool that is used for the growth of examples of application of ILP.
Appears in Collections:Τμήμα Μαθηματικών (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
Nimertis_Lolis(M).pdf904.82 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.