LEARNING
使用归纳逻辑编程从演示中学习组合符号任务规则
Oleh Borys, Karla Stepanova
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出将归纳逻辑编程（ILP）应用于机器人学习从演示中，通过将复杂任务分解为不同抽象层次上的简单学习目标来推断符号规则。实验表明该方法能学习可解释的抽象规则，并支持对未见对象和更难任务的强泛化。
关键词
Learning from DemonstrationInductive Logic Programmingtask decompositionsymbolic rulesgeneralization
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018