Resumen: La programación lógica inductiva (ILP) es una forma de aprendizaje automático lógico. El objetivo es buscar un espacio de hipótesis para una hipótesis de que generaliza ejemplos de capacitación y conocimiento de fondo. Introducimos un enfoque que ‘encoge’ el espacio de hipótesis antes de que un sistema ILP lo busque. Nuestro enfoque utiliza el conocimiento de fondo para encontrar reglas que no puedan estar en una hipótesis óptima independientemente de los ejemplos de capacitación. Por ejemplo, nuestro enfoque descubre que las relaciones como “los números incluso no pueden ser impares” y “los números primos superiores a 2 son impares”. Luego elimina la violación de las reglas del espacio de hipótesis. Implementamos nuestro enfoque utilizando la programación del conjunto de respuestas y lo usamos para reducir el espacio de hipótesis de un sistema ILP basado en restricciones. Nuestros experimentos en múltiples dominios, incluido el razonamiento visual y el juego, muestran que nuestro enfoque puede reducir sustancialmente los tiempos de aprendizaje mientras se mantiene las precisiones predictivas. Por ejemplo, dado solo 10 segundos de tiempo de preprocesamiento, nuestro enfoque puede reducir los tiempos de aprendizaje de más de 10 horas a solo 2 segundos.
Publicado Originalme en rss.arxiv.org El 9 de junio de 2025.
Ver Fuente Original
