Change of Representation and Inductive Bias - 9780792390558

Pārstāvības maiņa un induktīvā novirze Viena no vissvarīgākajām mašīnmācīšanās pētnieku problēmām ir viņu mācību programmu atkarība no pamatā esošajiem attēlojumiem, jo īpaši no valodām, ko izmanto hipotēžu aprakstīšanai. Mācīšanās algoritmu efektivitāte ir ļoti jutīga pret šo valodas izvēli, pārāk lielas valodas izvēle pieļauj pārāk daudz iespējamo hipotēžu, lai programma varētu apsvērt, izslēdzot efektīvu mācīšanos, bet pārāk mazas valodas izvēle var liegt programmai atrast pieņemamu. hipotēzes. Šī atkarība nav tikai slazds, bet arī iespēja. Saula Amarela darbs pēdējo divu desmitgažu laikā ir parādījis reprezentācijas maiņas kā problēmu risināšanas metodes efektivitāti. Arvien vairāk mašīnmācīšanās pētnieku veido programmas, kas mācās mainīt valodu, lai uzlabotu to efektivitāti. Ceturtajā mašīnmācīšanās seminārā, kas notika 1987. gada jūnijā Kalifornijas Universitātē Ērvinā, kļuva skaidrs, ka gan mašīnmācīšanās kopiena, gan tajā aplūkoto tēmu skaits ir pieaudzis tik liels, ka reprezentācijas jautājumu nevarēja apspriest. pietiekams dziļums. Vairākus dalībniekus īpaši interesēja saistītās tēmas par konstruktīvo indukciju, problēmu pārformulēšanu, reprezentācijas izvēli un vairākiem abstrakcijas līmeņiem. Robs Holte, Lerijs Rendels un es nolēmām sarīkot semināru 1988. gadā, lai apspriestu šīs tēmas. Lai šis seminārs būtu neliels, mēs nolēmām, ka tajā var piedalīties tikai ar ielūgumiem.