Refinamiento de reglas rebatibles para el aprendizaje de conceptos

Autores
Delladio, Telma
Año de publicación
2004
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El aprendizaje de conceptos a partir de ejemplos puede desarrollarse en el marco de la Programación en Lógica Rebatible (PLR) [GS03, Del03]. En ese caso las definiciones aprendidas son conjuntos de reglas rebatibles que modelan el concepto que es objeto de aprendizaje. Estos conjuntos de reglas rebatibles deben respetar las observaciones provistas al proceso de aprendizaje. En una propuesta top down, las definiciones se obtienen a través de un proceso continuo de refinamiento. A partir de una definición general, se analizan los conflictos que esta presenta frente a las observaciones consideradas, y se realiza un paso de refinamiento que resuelva estos conflictos, obteniendo as una nueva definición. Los refinamientos pueden realizarse de distintas formas. Se propone analizar entonces cómo estos pasos de refinamiento pueden realizarse a través de un análisis de las propiedades que cumplen los individuos que intervienen en las observaciones consideradas. El objetivo es identificar las propiedades que permitan aislar las observaciones que están siendo cubiertas en forma errónea por la definición actual, y utilizar esta propiedad en el refinamiento de esta definición.
Eje: Inteligencia artificial distribuida, aspectos teóricos de la inteligencia artificial y teoría de computación
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Reglas Rebatibles
ARTIFICIAL INTELLIGENCE
Learning
Aprendizaje de Conceptos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/21252
Acceder
id SEDICI_d7e0bd0951d96bf948dd716fbcd54224
oai_identifier_str oai:sedici.unlp.edu.ar:10915/21252
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Refinamiento de reglas rebatibles para el aprendizaje de conceptosDelladio, TelmaCiencias InformáticasReglas RebatiblesARTIFICIAL INTELLIGENCELearningAprendizaje de ConceptosEl aprendizaje de conceptos a partir de ejemplos puede desarrollarse en el marco de la Programación en Lógica Rebatible (PLR) [GS03, Del03]. En ese caso las definiciones aprendidas son conjuntos de reglas rebatibles que modelan el concepto que es objeto de aprendizaje. Estos conjuntos de reglas rebatibles deben respetar las observaciones provistas al proceso de aprendizaje. En una propuesta top down, las definiciones se obtienen a través de un proceso continuo de refinamiento. A partir de una definición general, se analizan los conflictos que esta presenta frente a las observaciones consideradas, y se realiza un paso de refinamiento que resuelva estos conflictos, obteniendo as una nueva definición. Los refinamientos pueden realizarse de distintas formas. Se propone analizar entonces cómo estos pasos de refinamiento pueden realizarse a través de un análisis de las propiedades que cumplen los individuos que intervienen en las observaciones consideradas. El objetivo es identificar las propiedades que permitan aislar las observaciones que están siendo cubiertas en forma errónea por la definición actual, y utilizar esta propiedad en el refinamiento de esta definición.Eje: Inteligencia artificial distribuida, aspectos teóricos de la inteligencia artificial y teoría de computaciónRed de Universidades con Carreras en Informática (RedUNCI)2004-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf435-439http://sedici.unlp.edu.ar/handle/10915/21252spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T16:36:08Zoai:sedici.unlp.edu.ar:10915/21252Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:36:08.776SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Refinamiento de reglas rebatibles para el aprendizaje de conceptos
title Refinamiento de reglas rebatibles para el aprendizaje de conceptos
spellingShingle Refinamiento de reglas rebatibles para el aprendizaje de conceptos
Delladio, Telma
Ciencias Informáticas
Reglas Rebatibles
ARTIFICIAL INTELLIGENCE
Learning
Aprendizaje de Conceptos
title_short Refinamiento de reglas rebatibles para el aprendizaje de conceptos
title_full Refinamiento de reglas rebatibles para el aprendizaje de conceptos
title_fullStr Refinamiento de reglas rebatibles para el aprendizaje de conceptos
title_full_unstemmed Refinamiento de reglas rebatibles para el aprendizaje de conceptos
title_sort Refinamiento de reglas rebatibles para el aprendizaje de conceptos
dc.creator.none.fl_str_mv Delladio, Telma
author Delladio, Telma
author_facet Delladio, Telma
author_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Reglas Rebatibles
ARTIFICIAL INTELLIGENCE
Learning
Aprendizaje de Conceptos
topic Ciencias Informáticas
Reglas Rebatibles
ARTIFICIAL INTELLIGENCE
Learning
Aprendizaje de Conceptos
dc.description.none.fl_txt_mv El aprendizaje de conceptos a partir de ejemplos puede desarrollarse en el marco de la Programación en Lógica Rebatible (PLR) [GS03, Del03]. En ese caso las definiciones aprendidas son conjuntos de reglas rebatibles que modelan el concepto que es objeto de aprendizaje. Estos conjuntos de reglas rebatibles deben respetar las observaciones provistas al proceso de aprendizaje. En una propuesta top down, las definiciones se obtienen a través de un proceso continuo de refinamiento. A partir de una definición general, se analizan los conflictos que esta presenta frente a las observaciones consideradas, y se realiza un paso de refinamiento que resuelva estos conflictos, obteniendo as una nueva definición. Los refinamientos pueden realizarse de distintas formas. Se propone analizar entonces cómo estos pasos de refinamiento pueden realizarse a través de un análisis de las propiedades que cumplen los individuos que intervienen en las observaciones consideradas. El objetivo es identificar las propiedades que permitan aislar las observaciones que están siendo cubiertas en forma errónea por la definición actual, y utilizar esta propiedad en el refinamiento de esta definición.
Eje: Inteligencia artificial distribuida, aspectos teóricos de la inteligencia artificial y teoría de computación
Red de Universidades con Carreras en Informática (RedUNCI)
description El aprendizaje de conceptos a partir de ejemplos puede desarrollarse en el marco de la Programación en Lógica Rebatible (PLR) [GS03, Del03]. En ese caso las definiciones aprendidas son conjuntos de reglas rebatibles que modelan el concepto que es objeto de aprendizaje. Estos conjuntos de reglas rebatibles deben respetar las observaciones provistas al proceso de aprendizaje. En una propuesta top down, las definiciones se obtienen a través de un proceso continuo de refinamiento. A partir de una definición general, se analizan los conflictos que esta presenta frente a las observaciones consideradas, y se realiza un paso de refinamiento que resuelva estos conflictos, obteniendo as una nueva definición. Los refinamientos pueden realizarse de distintas formas. Se propone analizar entonces cómo estos pasos de refinamiento pueden realizarse a través de un análisis de las propiedades que cumplen los individuos que intervienen en las observaciones consideradas. El objetivo es identificar las propiedades que permitan aislar las observaciones que están siendo cubiertas en forma errónea por la definición actual, y utilizar esta propiedad en el refinamiento de esta definición.
publishDate 2004
dc.date.none.fl_str_mv 2004-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/21252
url http://sedici.unlp.edu.ar/handle/10915/21252
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
435-439
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846782813640065024
score 12.982451

Publicaciones similares