Нейроподобная комбинаторная структура данных для алгоритмов символьного машинного обучения

Naidenova, Xenia; Parkhomenko, Vladimir

Нейроподобная комбинаторная структура данных для алгоритмов символьного машинного обучения

Дата публикации: 2013

Дата публикации в реестре: 2020-03-03T07:03:01Z

Аннотация:

A new neural network-like combinatorial data-knowledge structure supporting symbolic machine learning algorithms is advanced. This structure can drastically increase the efficiency of inferring functional and implicative dependencies as like as association rules from a given dataset. Предложена новая нейроподобная комбинаторная структура данных и знаний, увеличивающая эффективность алгоритмов символьного машинного обучения для вывода различного рода логических правил из данных, таких как импликативные и функциональные зависимости, ассоциативные правила, паттерны, описывающие классы объектов. Все перечисленные зависимости генерируются с помощью одного и того же алгоритма и одной и той же предложенной структуры данных. Данная структура также интегрирует задачи вывода правил и их использования при распознавании образов.

Ключевые слова:
level-wise algorithm, inferring logical rules from a dataset, neural network-like data structure, knowledge representation

Тип: Article