摘要:

The development of efficient algorithms for learning from large relational databases is an important task in applicative machine learning. In this paper, we study knowledge discovery in relational databases and develop an attribute‐oriented learning method which extracts generalization rules from relational databases. The method adopts the artificial intelligence “learning‐from‐examples” paradigm and applies in the learning process an attribute‐oriented concept tree ascending technique which integrates database operations with the learning process and provides a simple and efficient way of learning from databases. The method learns both characteristic rules and classification rules of a learning concept, where a characteristic rule characterizes the properties shared by all the facts of the class being learned; while a classification rule characterizes the properties that distinguish the class being learned from other classes. The learning result could be a conjunctive rule or a rule with a small number of disjuncts. Moreover, learning can be performed with databases containing noisy data and exceptional cases using database statistics. Our analysis of the algorithms shows that attribute‐oriented induction substantially reduces the computational complexity of the database learning process.Le développement d'algorithmes efficaces permettant l'apprentissage à partir de bases de donnees relationnelles est une fonction importante de l'apprentissage automatique applicatif. Dans cet article, les auteurs examinent la découverte des connaissances dans les bases de données relationnelles et élaborent une méthode d'apprentissage orientée sur l'attribut qui extrait des bases de données relationnelles les règies de généralisation. La méthode adopte le paradigme d'apprentissage à partir d'exemples et applique au processus d'apprentissage la technique de l'arbre des concepts orientés sur l'attribut qui incorpore les opérations de base de données au processus d'apprentissage, ce qui permet d'obtenir une méthode simple et efficace d'apprentissage à partir des bases de données. La méthode fait l'apprentissage des règies caractéristiques et des règies de classification d'un concept d'apprentissage; la règie caractéristique qualifie les pro‐priétés communes à tous les faits d'une categorie faisant l'objet d'un apprentissage alors que la règie de classification caractérise les propriétés qui distinguent la catégorie faisant l'objet d'un apprentissage des autres catégories. Le résultat peut ětre une règie conjonctive ou une règie ayant un petit nombre de disjonctifs. Qui plus est, 1′apprentissage peut se faire avec des bases de données contenant des donnees bruitees et des cas exceptionnels utilisant des statistiques de bases de données. L'analyse des algorithmes démontre que l'induction orientée sur l'attribut réduit considérablement la complexité

ISSN:0824-7935    

DOI:10.1111/j.1467-8640.1991.tb00387.x

出版商:Blackwell Publishing Ltd    

年代:1991

数据来源: WILEY

摘要:

In this paper, we analyze the logical definitions of model‐based diagnosis recently presented in the literature, and we propose a unified framework (based on the integration of abductive and consistency‐based reasoning) in which most of such definitions can be captured. This allows us to single out the existence of a spectrum of alternatives in the logical definition of diagnosis. A lot of attention in the paper is devoted to analyzing the differences among the definitions in the spectrum. In particular, we show that the definitions can be compared on the basis of their restrictive‐ness and we relate such a restrictiveness with the completeness of the model of the system to be diagnosed.Dans cet article, les auteurs analysent les définitions logiques de diagnostics basés sur un modèle dont il a été question récemment dans certains ouvrages. Ils proposent un cadre unifié (basé sur l'intégration du raisonnement abductif et du raisonnement basé sur la consistance) à l'interieur duquel la plupart de ces définitions peuvent ětre regroupées. Cette particularité permet de mettre en lumière l'existence d'un spectre d'alternatives dans la définition logique du diagnostic. Cet article accorde une attention toute particulière à l'analyse des différences entre les définitions du spectre. En outre, les auteurs démontrent que les définitions peuvent ětre compareées en fonction de leur caractère restrictif, qui est ensuite mis en relation avec la complétude du modèle du systè

ISSN:0824-7935    

DOI:10.1111/j.1467-8640.1991.tb00388.x

出版商:Blackwell Publishing Ltd    

年代:1991

数据来源: WILEY

摘要:

The relationship between Reiter's default logic and general logic programs, which may contain negative subgoals in rule bodies, has been discussed in the literature by translating logic programs to default logic theories. Here, we present a method to translate some default logic theories to general logic programs, and study the extensions of default logic theories with the stable model semantics of logic programming. Based on the translation method, we show that another semantics of logic programming, the well‐founded semantics, can be used to define a new version of default logic, which is more cautious than the original one. This enables the existing proof procedures for the well‐founded semantics to perform default inference. We also study the property of cumulative monotonicity for both default logic theories and general logic programs under the two different semantics. As a direct application of the translation method, logic programs can be used to make default inference for semantic networks with exceptions.La relation entre la logique par défaut de Reiter et les programmes logiques généraux, qui peuvent comporter des sous‐buts négatifs dans les ensembles de règies, a déjàété discutée en traduisant les programmes logiques en théories de la logique par défaut. Dans cet article, les auteurs proposent une méthode pour traduire certaines théories de la logique par defaut en programmes logiques généraux et étudient les extensions des theories de la logique par defaut avec la sémantique de modéle stable de la programmation logique. En se basant sur la méthode de traduction, les auteurs démontrent qu'une autre sémantique de la programmation logique, la sémantique bien fondée, peut ětre utilisée pour définir une nouvelle version de la logique par défaut, qui est plus prudente que la première. Cela permet aux procédures de preuve existantes de la sémantique bien fondée d' effectuer l' inférence par défaut. Les auteurs examinent également les caracteristiques de la monotonicité cumulative pour les theories de la logique par défaut et les programmes logiques généraux selon les deux différentes sémantiques. Une application directe de la méthode de traduction est la possibilityé d' utiliser les programmes logiques pour effectuer de l' inférence par d

ISSN:0824-7935    

DOI:10.1111/j.1467-8640.1991.tb00389.x

出版商:Blackwell Publishing Ltd    

年代:1991

数据来源: WILEY

摘要:

The use of multivalued logics for knowledge representation and nonmonotonic reasoning has often been advocated, in particular within the general framework proposed by Ginsberg in his paper “Multivalued logics: a uniform approach to reasoning in artificial intelligence.” His system is based on a multivalued logic with an arbitrary number of truth values classified with respect to two partial orders, a truth order and a knowledge order. This classification is very interesting and gives an intuitive appeal to the framework. In this paper the work by Ginsberg is critically reviewed, pointing out some flaws and ways to overcome them. Moreover, we present some ideas on how to modify the original schema in order to obtain a more semantically well‐founded framework.L'utilisation de la Iogique multivalente pour la représentation des connaissances et le raisonnement non monotone a souvent été préconisée, en particulier à l'intérieur du cadre général proposé par Ginsberg dans son article intitulé? Multivalued logics: a uniform approach to reasoning in artificial intelligence ? Son système est basé sur une logique multivalente comportant un nombre arbitraire de valeurs de vérité classées selon deux ordres partiels: un ordre de vérité et un ordre de connaissances. Cette classification est très intéressante et donne un attrait intuitif au cadre. Dans cet article, l'auteur examine le travail de Ginsberg, y relève des lacunes et propose des moyens de les corriger. De plus, il expose certaines idées en vue de modifier le schéma original et ainsi obtenir un meilleur cadre du p

ISSN:0824-7935    

DOI:10.1111/j.1467-8640.1991.tb00390.x

出版商:Blackwell Publishing Ltd    

年代:1991

数据来源: WILEY

摘要:

We introduce a new probabilistic approach to dealing with uncertainty, based on the observation that probability theory does not require that every event be assigned a probability. For anonmeasurableevent (one to which we do not assign a probability), we can talk about only theinner measureandouter measureof the event. In addition to removing the requirement that every event be assigned a probability, our approach circumvents other criticisms of probability‐based approaches to uncertainty. For example, the measure of belief in an event turns out to be represented by an interval (defined by the inner and outer measures), rather than by a single number. Further, this approach allows us to assign a belief (inner measure) to an eventEwithout committing to a belief about its negation‐E(since the inner measure of an event plus the inner measure of its negation is not necessarily one). Interestingly enough, inner measures induced by probability measures turn out to correspond in a precise sense to Dempster‐Shafer belief functions. Hence, in addition to providing promising new conceptual tools for dealing with uncertainty, our approach shows that a key part of the important Dempster‐Shafer theory of evidence is firmly rooted in classical probability theory.Cet article présente une nouvelle approche probabiliste en ce qui concerne le traitement de l'incertitude; celle‐ci est basée sur l'observation que la théorie des probabilityés n'exige pas qu'une probabilityé soit assignée à chaque événement. Dans le cas d'un événementnon mesurable(un événement pour lequel on n'assigne aucune probabilityé), nous ne pouvons discuter que de lamesure intérieureet de lamesure extérieurede l'évenément. En plus d'éliminer la nécessité d'assigner une probabilityéà l'événement, cette nouvelle approche apporte une réponse aux autres critiques des approches à l'incertitude basées sur des probabilityés. Par exemple, la mesure de croyance dans un événement est représentée par un intervalle (défini par la mesure intérieure et extérieure) plutǒt que par un nombre unique. De plus, cette approche nous permet d'assigner une croyance (mesure intérieure) à un événementEsans se compromettre vers une croyance à propos de sa négation‐E(puisque la mesure intérieure d'un événement et la mesure intérieure de sa négation ne sont pas nécessairement une seule et unique mesure). II est intéressant de noter que les mesures intérieures qui résultent des mesures de probabilityé correspondent d'une manière précise aux fonctions de croyance de Dempster‐Shafer. En plus de constituer un nouvel outil conceptuel prometteur dans le traitement de l'incertitude, cette approche démontre qu'une partie importante de la théorie de l'évidence de Dempster

ISSN:0824-7935    

DOI:10.1111/j.1467-8640.1991.tb00391.x

出版商:Blackwell Publishing Ltd    

年代:1991

数据来源: WILEY

摘要:

Self‐knowledge is a concept that is present in several philosophies. In this article, we consider the issue of whether or not a learning algorithm can in some sense possess self‐knowledge. The question is answered affirmatively. Self‐learning inductive inference algorithms are taken to be those that learn programs for their own algorithms, in addition to other functions.La connaissance de soi est un concept qui se retrouve dans plusieurs philosophies. Dans cet article, les auteurs s'interrogent à savoir si un algorithme d' apprentissage peut dans une certaine mesure posséder la connaissance de soi. lis apportent une reponse positive a cette question. Les algorithmes d'inference inductive autodidactes sont ceux qui font l'apprentissage de programmes pour leurs propres algorithmes, en plus d' autres fo

ISSN:0824-7935    

DOI:10.1111/j.1467-8640.1991.tb00392.x

出版商:Blackwell Publishing Ltd    

年代:1991

数据来源: WILEY

摘要:

This article describes a polynomial‐time,O(n3), planning algorithm for a limited class of planning problems. Compared to previous work on complexity of algorithms for knowledge‐based or logic‐based planning, our algorithm achieves computational tractability, but at the expense of only applying to a significantly more limited class of problems. Our algorithm is proven correct, and it always returns a parallel minimal plan if there is a plan at all.Cet article décrit un algorithme de planification de temps polynomialO(n3) pour une classe restreinte de problemes de planification. Contrairement aux travaux précédents sur la complexité des algorithmes pour la planification basée sur la logique ou les connaissances, l' algorithme dont il est question dans cet article permet d' obtenir la tractabilityé computationnelle; cependant, il ne peut ětre appliqué qu'à une catégorie beaucoup plus restreinte de problèmes. Cet algorithme s'est done révélé correct et il génère toujours un plan minimal en parallè

ISSN:0824-7935    

DOI:10.1111/j.1467-8640.1991.tb00393.x

出版商:Blackwell Publishing Ltd    

年代:1991

数据来源: WILEY