D
2019
Machine Learning Using TIL
MENŠÍK, Marek, Marie DUŽÍ, Adam ALBERT, Vojtěch PATSCKA, Miroslav PAJR et. al.
Základní údaje
Originální název
Machine Learning Using TIL
Autoři
MENŠÍK, Marek (203 Česká republika, garant), Marie DUŽÍ (203 Česká republika), Adam ALBERT (203 Česká republika), Vojtěch PATSCKA (203 Česká republika) a Miroslav PAJR (203 Česká republika, domácí)
Vydání
321. vyd. Lappeenranta, Finland, Frontiers in Artificial Intelligence and Applications, od s. 344-362, 19 s. 2019
Další údaje
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Kód RIV
RIV/47813059:19240/19:A0000684
Organizační jednotka
Filozoficko-přírodovědecká fakulta v Opavě
Klíčová slova anglicky
Generalization; Heuristics; Machine learning; Specialization; Transparent internsional logic; TIL; Hypothesis
Příznaky
Mezinárodní význam, Recenzováno
V originále
In this paper we deal with machine learning methods and algorithms applied to the area of geographic data. First, we briefly introduce learning with a supervisor that is applied in our case. Then we describe the algorithm ‘Framework’ together with heuristic methods used in it. Definitions of particular geographic objects, i.e. their concepts, are formulated in our background theory Transparent Intensional Logic (TIL) as TIL constructions. These concepts serve as general hypotheses. Basic principles of supervised machine learning are generalization and specialization. Given a positive example, the learner generalizes, while after a near-miss example specialization is applied. Heuristic methods deal with the way generalization and specialization are applied.
Zobrazeno: 25. 12. 2024 08:49