The paper is a survey of recent results on algorithmic learning (induc dịch - The paper is a survey of recent results on algorithmic learning (induc Việt làm thế nào để nói

The paper is a survey of recent res

The paper is a survey of recent results on algorithmic learning (inductive inference) of languages from full collection of positive examples and some negative data. Different types of negative data are considered. We primarily concentrate on learning using (1) carefully chosen finite egative data (2) negative counterexamples provided when conjectures contain data not in the target language (3) negative counterexamples obtained from a teacher (formally, oracle), when a learner queries the oracle if an hypothesis is contained in the target language. We also explore how least counterexamples and counterexamples of bounded size fair against arbitrary counterexamples. The effects of random negative data are also briefly considered.







0/5000
Từ: -
Sang: -
Kết quả (Việt) 1: [Sao chép]
Sao chép!
Các giấy là một cuộc khảo sát tại kết quả trên thuật toán học (suy luận quy nạp) ngôn ngữ từ bộ sưu tập đầy đủ của các ví dụ tích cực và một số dữ liệu tiêu cực. Các loại khác nhau của dữ liệu tiêu cực được xem xét. Chúng tôi chủ yếu tập trung vào học tập bằng cách sử dụng (1) một cách cẩn thận chọn counterexamples (2) tiêu cực hữu hạn egative dữ liệu được cung cấp khi phỏng đoán chứa dữ liệu không có trong các ngôn ngữ mục tiêu (3) tiêu cực counterexamples thu được từ một giáo viên (chính thức, oracle), khi một người học truy vấn nhà tiên tri nếu một giả thuyết được chứa trong ngôn ngữ mục tiêu. Chúng tôi cũng tìm hiểu như thế nào ít nhất là counterexamples và counterexamples bị chặn kích thước công bằng chống lại bất kỳ counterexamples. Tác dụng của dữ liệu ngẫu nhiên tiêu cực được coi là cũng một thời gian ngắn.
đang được dịch, vui lòng đợi..
Kết quả (Việt) 2:[Sao chép]
Sao chép!
Bài viết này là một cuộc khảo sát kết quả học tập gần đây về thuật toán (quy nạp suy luận) của ngôn ngữ từ bộ sưu tập đầy đủ các ví dụ tích cực và một số dữ liệu tiêu cực. Các loại khác nhau của dữ liệu tiêu cực được xem xét. Chúng tôi chủ yếu tập trung vào việc học cách sử dụng (1) chọn lựa cẩn thận dữ liệu egative hữu hạn (2) counterexamples tiêu cực cung cấp khi phỏng đoán chứa dữ liệu không có trong ngôn ngữ mục tiêu (3) counterexamples âm thu được từ một giáo viên (chính thức, oracle), khi một người học truy vấn oracle nếu một giả thuyết được chứa trong ngôn ngữ đích. Chúng tôi cũng khám phá cách nhất counterexamples và counterexamples của hội chợ kích thước chặn chống lại counterexamples tùy ý. Những ảnh hưởng của dữ liệu âm ngẫu nhiên cũng được coi là một thời gian ngắn.







đang được dịch, vui lòng đợi..
 
Các ngôn ngữ khác
Hỗ trợ công cụ dịch thuật: Albania, Amharic, Anh, Armenia, Azerbaijan, Ba Lan, Ba Tư, Bantu, Basque, Belarus, Bengal, Bosnia, Bulgaria, Bồ Đào Nha, Catalan, Cebuano, Chichewa, Corsi, Creole (Haiti), Croatia, Do Thái, Estonia, Filipino, Frisia, Gael Scotland, Galicia, George, Gujarat, Hausa, Hawaii, Hindi, Hmong, Hungary, Hy Lạp, Hà Lan, Hà Lan (Nam Phi), Hàn, Iceland, Igbo, Ireland, Java, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Kurd, Kyrgyz, Latinh, Latvia, Litva, Luxembourg, Lào, Macedonia, Malagasy, Malayalam, Malta, Maori, Marathi, Myanmar, Mã Lai, Mông Cổ, Na Uy, Nepal, Nga, Nhật, Odia (Oriya), Pashto, Pháp, Phát hiện ngôn ngữ, Phần Lan, Punjab, Quốc tế ngữ, Rumani, Samoa, Serbia, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenia, Somali, Sunda, Swahili, Séc, Tajik, Tamil, Tatar, Telugu, Thái, Thổ Nhĩ Kỳ, Thụy Điển, Tiếng Indonesia, Tiếng Ý, Trung, Trung (Phồn thể), Turkmen, Tây Ban Nha, Ukraina, Urdu, Uyghur, Uzbek, Việt, Xứ Wales, Yiddish, Yoruba, Zulu, Đan Mạch, Đức, Ả Rập, dịch ngôn ngữ.

Copyright ©2025 I Love Translation. All reserved.

E-mail: