Presentación | Participantes | Bibliografía (DML-E) | Bibliografía adicional | Enlaces de interés | Otros proyectos DML | Ayuda  
INICIO | 23 de mayo de 2024
  

An evolutionary approach to constraint-regularized learning.

Título inglés An evolutionary approach to constraint-regularized learning.
Título español Un enfoque evolutivo en el aprendizaje regularizado con restricciones flexibles.
Autor/es Hüllermeier, Eyke ; Renners, Ingo ; Grauel, Adolf
Organización Informat. Inst. Marburg Univ., Marburg, Alemania;Center Comput. Intellig. Cogn. Syst., Soest, Alemania;Dep. Math. Univ. Paderborn-Soest, Soest, Alemania
Revista 1134-5632
Publicación 2004, 11 (2-3): 109-124, 17 Ref.
Tipo de documento articulo
Idioma Inglés
Resumen inglés The success of machine learning methods for inducing models from data crucially depends on the proper incorporation of background knowledge about the model to be learned. The idea of constraint-regularized learning is to employ fuzzy set-based modeling techniques in order to express such knowledge in a flexible way, and to formalize it in terms of fuzzy constraints. Thus, background knowledge can be used to appropriately bias the learn ing process within the regularization framework of inductive inference. After a brief review of this idea, the paper offers an operationalization of constraint regularized learning. The corresponding framework is based on evolutionary methods for model optimization and employs fuzzy rule bases of the Takagi Sugeno type as flexible function approximators.
Clasificación UNESCO 120304
Palabras clave español Inteligencia artificial ; Algoritmos de aprendizaje ; Lógica difusa ; Algoritmos evolutivos
Código MathReviews MR2139292
Código Z-Math Zbl 1129.68465
Icono pdf Acceso al artículo completo
Equipo DML-E
Instituto de Ciencias Matemáticas (ICMAT - CSIC)
rmm()icmat.es