Descripción general
La teoría inferencial del aprendizaje ( ITL ) es un área del aprendizaje automático que describe los procesos inferenciales realizados por los agentes de aprendizaje. ITL ha sido desarrollado continuamente por Ryszard S. Michalski , a partir de la década de 1980. La primera publicación conocida de ITL fue en 1983. [1] En ITL el proceso de aprendizaje es visto como una búsqueda ( inferencia ) a través del espacio de hipótesis guiado por un objetivo específico. Los resultados del aprendizaje deben almacenarse . El alumno utilizará posteriormente la información almacenada para futuras inferencias . [2] Las inferencias se dividen en varias categorías que incluyenconcluyente, deducción e inducción. Para que una inferencia se considere completa, se requería que se tuvieran en cuenta todas las categorías. [3] Así es como el ITL varía de otras teorías de aprendizaje automático como la Teoría del Aprendizaje Computacional y la Teoría del Aprendizaje Estadístico ; que ambos usan formas singulares de inferencia.
Uso
El uso publicado más relevante de ITL fue en una revista científica publicada en 2012 y utilizó ITL como una forma de describir cómo funciona el aprendizaje basado en agentes. Según la revista "The Inferential Theory of Learning (ITL) proporciona una forma elegante de describir los procesos de aprendizaje por parte de los agentes". [4]
Referencias
- ^ Michalski, Ryszard S. (1993). "Teoría inferencial del aprendizaje como base conceptual para el aprendizaje multiestrategia" . Aprendizaje automático . 11 (2-3): 111-151. doi : 10.1007 / bf00993074 . ISSN 0885-6125 .
- ^ Usuario, Super. "Teoría Inferencial del Aprendizaje - Laboratorio de Inferencia y Aprendizaje Automático GMU" . www.mli.gmu.edu . Consultado el 4 de diciembre de 2018 .
- ^ 1940-, Naidenova, Xenia (2010). Métodos de aprendizaje automático para procesos de razonamiento con sentido común: modelos interactivos . Hershey, PA: Information Science Reference. ISBN 9781605668109. OCLC 606360112 .CS1 maint: nombres numéricos: lista de autores ( enlace )
- ^ Wojtusiak, Janusz; Alcaide, Tobías; Herzog, Otthein (diciembre de 2012). "Machine learning en simulación estocástica basada en agentes: teoría inferencial y evaluación en logística de transporte" . Computadoras y Matemáticas con Aplicaciones . 64 (12): 3658–3665. doi : 10.1016 / j.camwa.2012.01.079 . ISSN 0898-1221 .
Otras lecturas
- Ryszard S. Michalski, Jaime G. Carbonell, Tom M. Mitchell (1983), Aprendizaje automático: un enfoque de inteligencia artificial , Tioga Publishing Company, ISBN 0-935382-05-4 .
- Ryszard S. Michalski, Jaime G. Carbonell, Tom M. Mitchell (1986), Aprendizaje automático: un enfoque de inteligencia artificial, Volumen II , Morgan Kaufmann, ISBN 0-934613-00-1 .
- Yves Kodratoff, Ryszard S. Michalski (1990), Aprendizaje automático: un enfoque de inteligencia artificial, Volumen III , Morgan Kaufmann, ISBN 1-55860-119-8 .
- Ryszard S. Michalski, George Tecuci (1994), Machine Learning: A Multistrategy Approach , Volumen IV, Morgan Kaufmann, ISBN 1-55860-251-8 .
- Naidenova, X. (Ed.), (2009), Métodos de aprendizaje automático para procesos de razonamiento de sentido común: Modelos interactivos: Modelos interactivos, IGI Global, ISBN 9781605668116 .