Aprendizaje automatico de programas logico-funcionales ***

Abstract

En este trabajo se presenta un sistema para el aprendizaje de programas logico-funcionales a partir de ejemplos y de conocimiento previo. Esto supone una extension de la programacion logica inductiva. El marco se basa en dos operadores fundamentales, la generalizacion consistente restrictiva, inspirado en los sistemas de aprendizaje basados en generalizacion, y el narrowing inverso, inspirado en la inversion del operador deductivo del lenguaje de representacion, en este caso, los lenguajes logico-funcionales. Dichos operadores se combinan en un algoritmo con un caracter marcadamente evolutivo en el que dos niveles de poblaciones (de reglas y de programas sobre estas) se van modificando y combinando hasta llegar a una solucion satisfactoria segun el criterio de seleccion de hipotesis. El resultado es el sistema FLIP, un sistema de aprendizaje sobre un lenguaje de representacion universal de facil inteligibilidad que permite, entre otros, la induccion con o sin conocimiento previo de programas recursivos, de arboles de decision, y de clasificadores sobre datos no estructurados.