基于人类引导的一次性归纳广义逻辑概念
人工智能
2019-12-17 v1
摘要
我们考虑从单个示例学习概念的广义一阶表示的问题。为应对这一挑战性问题，我们为归纳逻辑编程学习器增添两项新颖算法贡献。首先，我们定义候选概念表示间的距离度量，提升目标概念搜索与泛化的效率。其次，我们利用以建议形式给出的更丰富人类输入，提升学习的样本效率。我们证明所提距离度量在语义上有效，并据此推导出一个 PAC 界。我们在多样概念学习任务上的实验分析表明，相较仅使用示例的一阶概念学习器，所提方法兼具有效性与高效性。
引用
@article{arxiv.1912.07060,
title = {One-Shot Induction of Generalized Logical Concepts via Human Guidance},
author = {Mayukh Das and Nandini Ramanan and Janardhan Rao Doppa and Sriraam Natarajan},
journal= {arXiv preprint arXiv:1912.07060},
year = {2019}
}
备注
STARAI '20, Workshop version