Machine Learning and Natural Language Processing Lab

Relational Cond... |--| Asynchrone Rela... |--| Flexible String... |--| Lernen von Inte... |--| Speeding Up Log... |--| Relational Fish... |--| Development of ... |--| Development of ... |--| Collective Clas... |--| Learning Locali... |--| Using Equation ... |--| Classification ... |--| Induktive Daten... |--| Constraint-Base... |--| Magic Bayes-Bal... |--| Logistic Model ... |--| Clustering unte... |--| Two-Level Class... |--| Machine Learnin... |--| Erweiterung des... |--| Bayes'sche-logi... |--|

Master Thesis

Lernen von Interpretationen

Christian Stolle , 2005

In den letzten Jahrzehnten stand das Feld der induktiven logischen Programmierung im Bereich des maschinellen Lernens im Brennpunkt der Forschung. In diesem Rahmen sind zahlreiche prädikatenlogische Lernalgorithmen entstanden. In dieser Diplomarbeit wird ein neues induktives logisches Programmiersystem namens Classic'cl vorgestellt. Classic'cl kombiniert verschiedene Algorithmen im Rahmen des Lernens von Interpretationen und des Lernens von Erfüllbarkeit, und besitzt sowohl vorhersagende als auch beschreibende Lernalgorithmen. Im einzelnen besteht Classic'cl aus (C)-armr, C(la)udien, Icl-(SS)at, (Ic)l und (Cl)lpad. Bei Cllpad handelt es sich um einen neuen Ansatz, prädikatenlogische LPADs (logische Programme mit annotierten Disjunktionen) zu lernen. Die einzelnen Lernalgorithmen, die an ihnen vorgenommenen Veränderungen, sowie verschiedene Testergebnisse werden präsentiert.