Skupinové učení s logickými reprezentacemi

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F07%3A03131228" target="_blank" >RIV/68407700:21230/07:03131228 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Collaborative Learning with Logic-Based Models

Popis výsledku v původním jazyce

Adaptivity is a fundamental property of any intelligent system. In this paper, we present how adaptivity in multi-agent systems can be implemented by means of collaborative logic-based learning. The proposed method uses inductive logic programming to generalize agents' observations into sets of rules and inter-agent communication of acquired knowledge to improve team adaptation process. Based on Horn logic, the method is interoperable with semantic web languages and techniques. It has been implemented as a modular software component that can be readily integrated into the control loop of an intelligent agent or an autonomic component. We have evaluated the method on a realistic logistic scenario, in which teams of trading agents learn the properties ofthe environment in order to optimize their operation.

Název v anglickém jazyce

Collaborative Learning with Logic-Based Models

Popis výsledku anglicky

Adaptivity is a fundamental property of any intelligent system. In this paper, we present how adaptivity in multi-agent systems can be implemented by means of collaborative logic-based learning. The proposed method uses inductive logic programming to generalize agents' observations into sets of rules and inter-agent communication of acquired knowledge to improve team adaptation process. Based on Horn logic, the method is interoperable with semantic web languages and techniques. It has been implemented as a modular software component that can be readily integrated into the control loop of an intelligent agent or an autonomic component. We have evaluated the method on a realistic logistic scenario, in which teams of trading agents learn the properties ofthe environment in order to optimize their operation.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2007

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Adaptive and Learning Agents and Multi-Agent Systems 2007

ISBN

—

ISSN

0922-8721

e-ISSN

—

Počet stran výsledku

15

Strana od-do

89-103

Název nakladatele

Océ Business Services

Místo vydání

's-Hertogenbosch

Místo konání akce

Maastricht

Datum konání akce

2. 4. 2007

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—