主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第8期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
郝继刚,石纯一.增量式解释学习算法EBG—plus*.软件学报,1995,6():40-45
增量式解释学习算法EBG—plus*
INCREMENTAL EXPLANATION—BASED LEARNING ALGORITHM EBG—PLUS
投稿时间:1993-07-06  修订日期:1993-07-06
DOI:
中文关键词:  解释学习,知识求精,增量式学习.
英文关键词:EBL,knowledge refinetnent,incremental learning.
基金项目:本文得到国家自然科学基金资助.
作者单位
郝继刚 清华大学计算机系北京100084 
石纯一 清华大学计算机系北京100084 
摘要点击次数: 1640
全文下载次数: 202
中文摘要:
      传统的解释学习(EBL)是通过单个实例进行学习的,学习结果往往带有实例本身的特殊性质,知识求精能较正这一缺陷,但学习结果的效用不高.本文结合了EBL方法和求精算法,提出综合多个实例的增量式解释学习算法EBG—plus,学习质量随实例数目增加而单调上升,学习结果效用高,并能够自动改进领域知识的编码质量.
英文摘要:
      Explanation—based learning(EBL)methods learn from single training ex-ample.The learning result often bears the example's own speciality.The knowledge re-finement algorithm can rectify the speciality in EBL,but with rather low utility.This pa-per combines EBG and refinement algorithm,gives an incremental learning algorlthm——EBG—plus,which can take advantage of many examples.While maintaining high utility,the authors get better result as new instances are met.By the way,the quality of domain knowledge can be automatically improved.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利