从含噪输入数据中学习数值动作模型
人工智能
2021-11-10 v1
摘要
本文提出PlanMiner-N算法，一种基于PlanMiner领域学习算法的领域学习技术。该算法在使用含噪数据作为输入时，改进了PlanMiner的学习能力。PlanMiner算法能够推断算术和逻辑表达式以从输入数据中学习数值规划领域，但其设计用于不完备情形，在面对含噪输入数据时不可靠。本文中，我们对PlanMiner的学习过程提出一系列增强，以扩展其从含噪数据学习的能力。这些方法通过检测噪声并过滤来预处理输入数据，并研究所学习的动作模型以发现其中的错误前置条件/效果。本文提出的方法使用来自国际规划竞赛（IPC）的一组领域进行了测试。所得结果表明，在面对含噪输入数据时，PlanMiner-N大幅提升了PlanMiner的性能。
引用
@article{arxiv.2111.04997,
title = {Learning Numerical Action Models from Noisy Input Data},
author = {José Á. Segura-Muros and Juan Fernández-Olivares and Raúl Pérez},
journal= {arXiv preprint arXiv:2111.04997},
year = {2021}
}