Learning Higher-Order Logic Programs From Failures
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F22%3A00559054" target="_blank" >RIV/67985807:_____/22:00559054 - isvavai.cz</a>
Výsledek na webu
<a href="https://dx.doi.org/10.24963/ijcai.2022/378" target="_blank" >https://dx.doi.org/10.24963/ijcai.2022/378</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.24963/ijcai.2022/378" target="_blank" >10.24963/ijcai.2022/378</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Learning Higher-Order Logic Programs From Failures
Popis výsledku v původním jazyce
Learning complex programs through inductive logic programming (ILP) remains a formidable challenge. Existing higher-order enabled ILP systems show improved accuracy and learning performance, though remain hampered by the limitations of the underlying learning mechanism. Experimental results show that our extension of the versatile Learning From Failures paradigm by higher-order definitions significantly improves learning performance without the666 burdensome human guidance required by existing systems. Our theoretical framework captures a class of higher-order definitions preserving soundness of existing subsumption-based pruning methods.
Název v anglickém jazyce
Learning Higher-Order Logic Programs From Failures
Popis výsledku anglicky
Learning complex programs through inductive logic programming (ILP) remains a formidable challenge. Existing higher-order enabled ILP systems show improved accuracy and learning performance, though remain hampered by the limitations of the underlying learning mechanism. Experimental results show that our extension of the versatile Learning From Failures paradigm by higher-order definitions significantly improves learning performance without the666 burdensome human guidance required by existing systems. Our theoretical framework captures a class of higher-order definitions preserving soundness of existing subsumption-based pruning methods.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/EF18_053%2F0017594" target="_blank" >EF18_053/0017594: Podpora internacionalizace Ústavu informatiky AV ČR, v.v.i</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the Thirty-First International Joint Conference on Artificial Intelligence (IJCAI-22)
ISBN
978-1-956792-00-3
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
2726-2733
Název nakladatele
International Joint Conferences on Artificial Intelligence
Místo vydání
Vienna
Místo konání akce
Vienna
Datum konání akce
23. 7. 2022
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—