一种逆归结学习表示

山东大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (4): 46-50.

一种逆归结学习表示

谢琳1,殷熙尧2,李凡长3,吴佳3

1.江苏第二师范学院苏州学前教育分院, 江苏苏州 215008;
2.南京大学计算机科学与技术系, 江苏南京 210093;
3.苏州大学计算机科学与技术学院, 江苏苏州 215006

收稿日期:2013-05-14 出版日期:2013-08-20 发布日期:2013-05-14
作者简介:谢琳(1970- ),女,江苏苏州人,讲师,硕士,主要研究方向为人工智能、机器学习、动态模糊逻辑. E-mail:xie_lin_2007@126.com
基金资助:
国家自然科学基金资助项目(61033013);苏州大学科技创新团队资助项目(SDT2012B02)

A kind of inverse resolution learning expression

XIE Lin1, YIN Xi-yao2, LI Fan-zhang3, WU Jia3

1. College of Preschool of Suzhou, Jiangsu Second Normal University, Suzhou 215008, China;
2. Department of Computer Science and Technology, Nanjing University, Nanjing 210093, China;
3. College of Computer Science and Technology, Soochow University, Suzhou 215006, China

Received:2013-05-14 Online:2013-08-20 Published:2013-05-14

摘要/Abstract

摘要：

针对动态模糊性问题,利用动态模糊逻辑,采用“自下而上”的设计原则,提出1种基于动态模糊逻辑的逆归结学习方法,该方法利用动态模糊谓词逻辑来描述学习问题,通过学习算法计算出问题的假设。通过实例验证了算法的有效性,同时找到了一种从一般到特殊的认知规律的表示方法。

关键词: 动态模糊谓词逻辑, 机器学习, 动态模糊逻辑, 动态模糊数据, 逆归结学习, 归纳推理

Abstract:

To solve the dynamic fuzzy problems, a kind of inverse resolution learning expression based on dynamic fuzzy logic was given by the design principle of “bottom-up”. It used dynamic fuzzy predicate logic to describe the learning problem, and calculated the assumption by learning algorithm. The example proved the effectivity of this algorithm. It also found a method of cognitive rule from general to specific.

Key words: inverse resolution learning, dynamic fuzzy data, dynamic fuzzy predication logic, dynamic fuzzy logic, inductive deduction, machine learning

中图分类号:

TP181

谢琳1,殷熙尧2,李凡长3,吴佳3. 一种逆归结学习表示[J]. 山东大学学报(工学版), 2013, 43(4): 46-50.

XIE Lin1, YIN Xi-yao2, LI Fan-zhang3, WU Jia3. A kind of inverse resolution learning expression[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2013, 43(4): 46-50.

参考文献

相关文章 10

[1]	张冕,黄颖,梅海艺,郭毓. 基于Kinect的配电作业机器人智能人机交互方法[J]. 山东大学学报(工学版), 2018, 48(5): 103-108.
[2]	刘洋,刘博,王峰. 基于Parameter Server框架的大数据挖掘优化算法[J]. 山东大学学报(工学版), 2017, 47(4): 1-6.
[3]	魏波,张文生,李元香,夏学文,吕敬钦. 一种选择特征的稀疏在线学习算法[J]. 山东大学学报(工学版), 2017, 47(1): 22-27.
[4]	周旺,张晨麟,吴建鑫. 一种基于Hartigan-Wong和Lloyd的定性平衡聚类算法[J]. 山东大学学报(工学版), 2016, 46(5): 37-44.
[5]	孟令恒,丁世飞. 基于单静态图像的深度感知模型[J]. 山东大学学报(工学版), 2016, 46(3): 37-43.
[6]	刘杰, 杨鹏, 吕文生, 刘阿古达木, 刘俊秀. 基于气象因素的PM_2.5质量浓度预测模型[J]. 山东大学学报(工学版), 2015, 45(6): 76-83.
[7]	郑毅, 朱成璋. 基于深度信念网络的PM_2.5预测[J]. 山东大学学报(工学版), 2014, 44(6): 19-25.
[8]	何雪英1,2, 秦伟1, 尹义龙1*, 赵联征1,乔昊3. 基于机器学习的视频指纹识别[J]. 山东大学学报(工学版), 2011, 41(4): 29-33.
[9]	梁春林1,彭凌西2*. 基于免疫网络的无监督式分类算法[J]. 山东大学学报(工学版), 2010, 40(5): 82-86.
[10]	郭茂祖邹权李文滨韩英鹏. 生物信息学中的学习问题[J]. 山东大学学报(工学版), 2009, 39(3): 1-6.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed