Genetic Relational Search for Inductive Concept Learning, Fachbücher von Federico Divina

Das Buch "Genetic Relational Search for Inductive Concept Learning" von Federico Divina behandelt zentrale Aspekte des maschinellen Lernens, insbesondere das Lernen aus Beispielen in der Prädikatenlogik, auch bekannt als Inductive Logic Programming (ILP). Es wird erläutert, wie Lernen als Suchproblem im Hypothesenraum betrachtet werden kann, wobei positive und negative Beispiele in der Prädikatenlogik formuliert sind. Die Herausforderung besteht darin, eine Hypothese zu finden, die alle positiven Beispiele abdeckt und keine negativen. Das Buch beschreibt einen evolutionären Algorithmus, den Evolutionary Concept Learner (ECL), der eine Population von Horn-Klauseln durch wiederholte Selektion, Mutation und Optimierung anpasst. ECL nutzt mehrere Mutationstechniken zur Hypothesensuche und beinhaltet eine Optimierungsphase nach jeder Mutation. Die experimentellen Ergebnisse belegen die praktische Wirksamkeit des Algorithmus.