विवेचनात्मक तर्क प्रोग्रामिंग (इंडक्टिव लॉजिक प्रोग्रामिंग): Difference between revisions

From Vigyanwiki
No edit summary
 
Line 122: Line 122:
* Visual example of inducing the grandparenthood relation by the [[#Implementations|Atom system]]. http://john-ahlgren.blogspot.com/2014/03/inductive-reasoning-visualized.html {{Webarchive|url=https://web.archive.org/web/20140326101408/http://john-ahlgren.blogspot.com/2014/03/inductive-reasoning-visualized.html |date=2014-03-26 }}
* Visual example of inducing the grandparenthood relation by the [[#Implementations|Atom system]]. http://john-ahlgren.blogspot.com/2014/03/inductive-reasoning-visualized.html {{Webarchive|url=https://web.archive.org/web/20140326101408/http://john-ahlgren.blogspot.com/2014/03/inductive-reasoning-visualized.html |date=2014-03-26 }}
{{Refend}}
{{Refend}}
[[Category: आगमनात्मक तर्क प्रोग्रामिंग | आगमनात्मक तर्क प्रोग्रामिंग ]]


 
[[Category:All articles with dead external links]]
 
[[Category:Articles with dead external links from October 2022]]
[[Category: Machine Translated Page]]
[[Category:Articles with permanently dead external links]]
[[Category:CS1]]
[[Category:Created On 15/05/2023]]
[[Category:Created On 15/05/2023]]
[[Category:Vigyan Ready]]
[[Category:Machine Translated Page]]
[[Category:Pages with script errors]]
[[Category:Templates Vigyan Ready]]
[[Category:Webarchive template wayback links]]
[[Category:आगमनात्मक तर्क प्रोग्रामिंग| आगमनात्मक तर्क प्रोग्रामिंग ]]

Latest revision as of 16:21, 30 May 2023

इंडक्टिव लॉजिक प्रोग्रामिंग (आईएलपी) प्रतीकात्मक कृत्रिम बुद्धि का उपक्षेत्र है जो उदाहरण, पृष्ठभूमि ज्ञान और परिकल्पनाओं के लिए समान प्रतिनिधित्व के रूप में तर्क प्रोग्रामिंग का उपयोग करता है। इसी प्रकार ज्ञात पृष्ठभूमि ज्ञान के एन्कोडिंग और तथ्यों के तार्किक डेटाबेस के रूप में प्रस्तुत उदाहरणों के समूह को देखते हुए, आईएलपी प्रणाली परिकल्पित तर्क प्रोग्रामिंग प्राप्त करेगी जो सभी सकारात्मक और नकारात्मक उदाहरणों में से कोई भी नहीं है।

  • स्कीमा: सकारात्मक उदाहरण + नकारात्मक उदाहरण + पृष्ठभूमि ज्ञानपरिकल्पना (Schema: positive examples + negative examples + background knowledge ⇒ hypothesis.)

इंडक्टिव लॉजिक प्रोग्रामिंग जैव सूचना विज्ञान और प्राकृतिक भाषा प्रसंस्करण में विशेष रूप से उपयोगी है। गॉर्डन प्लॉटकिन और एहुद शापिरो ने तार्किक सेटिंग में आगमनात्मक मशीन सीखने के लिए प्रारंभिक सैद्धांतिक नींव रखी थी।[1][2][3] इसी प्रकार शापिरो ने 1981 में अपना पहला कार्यान्वयन (मॉडल अनुमान प्रणाली) बनाया था।[4] प्रोलॉग प्रोग्राम जो सकारात्मक और नकारात्मक उदाहरणों से तर्क प्रोग्रामिंग का आगमनात्मक रूप से अनुमान लगाता है। 1986 में इंडक्टिव लॉजिक प्रोग्रामिंग का पहला पूर्ण प्रथम-क्रम कार्यान्वयन थिओरिस्ट था।[5][6] इसी प्रकार इंडक्टिव तर्क प्रोग्रामिंग शब्द पहली बार[7] 1991 में स्टीफन मुगलटन द्वारा एक पेपर में प्रस्तुत किया गया था।[8] मैगलटन ने इंडक्टिव तर्क प्रोग्रामिंग पर वार्षिक अंतर्राष्ट्रीय सम्मेलन की भी स्थापना की, प्रेडिकेट इन्वेंशन, इनवर्स रेजोल्यूशन,[9] और इनवर्स एंटेलमेंट के सैद्धांतिक विचारों को प्रस्तुत किया था।[10] इसी प्रकार मैगलटन ने सबसे पहले पीआरओजीओएल प्रणाली में उलटा प्रवेश लागू किया था। यहाँ "आगमनात्मक" शब्द गणितीय प्रेरण (अर्थात एक सुव्यवस्थित अर्थात के सभी सदस्यों के लिए एक संपत्ति सिद्ध करना) के अतिरिक्त दार्शनिक (अर्थात देखे गए तथ्यों को समझाने के लिए एक सिद्धांत का सुझाव देना) को संदर्भित करता है।

औपचारिक परिभाषा

पृष्ठभूमि ज्ञान तर्क सिद्धांत B के रूप में दिया जाता है, सामान्यतः तर्क प्रोग्रामिंग में उपयोग किए जाने वाले हॉर्न क्लॉज के रूप में सकारात्मक और नकारात्मक उदाहरण संयोजन के रूप में दिए गए हैं और क्रमशः शाब्दिक (गणितीय तर्क) और नकारात्मक जमीनी अभिव्यक्ति एक सही परिकल्पना h एक तार्किक प्रस्ताव है जो निम्नलिखित आवश्यकताओं को पूरा करता है।[11]

"आवश्यकता" h पर प्रतिबंध नहीं लगाती है, इसी प्रकार लेकिन जब तक सकारात्मक तथ्यों को इसके बिना समझा जा सकता है, तब तक परिकल्पना की किसी भी पीढ़ी को मना कर दिया जाता है। "पर्याप्तता" के लिए सभी सकारात्मक उदाहरणों की व्याख्या करने के लिए किसी उत्पन्न परिकल्पना h की आवश्यकता होती है। इसी प्रकार "कमजोर स्थिरता" किसी भी परिकल्पना एच के निर्माण को मना करती है जो पृष्ठभूमि ज्ञान B के विपरीत है। "मजबूत संगति" किसी भी परिकल्पना h के निर्माण को भी मना करती है जो कि नकारात्मक उदाहरणों के साथ असंगत है पृष्ठभूमि ज्ञान बी दिया गया है; इसका अर्थ है "कमजोर संगति"; यदि कोई नकारात्मक उदाहरण नहीं दिया जाता है, तो दोनों आवश्यकताएँ मेल खाती हैं। इसी प्रकार जेरोस्की[12] को मात्र "पर्याप्तता" (वहाँ "पूर्णता" कहा जाता है) और "मजबूत स्थिरता" की आवश्यकता होती है।

उदाहरण

अनुभाग उदाहरण में अनुमानित पारिवारिक संबंध

पारिवारिक संबंधों की परिभाषाएँ सीखने के बारे में निम्नलिखित सुप्रसिद्ध उदाहरण संक्षिप्त रूपों का उपयोग करता है।

par: parent, fem: female, dau: daughter, g: George, h: Helen, m: Mary, t: Tom, n: Nancy, और e: Eve.

यह पृष्ठभूमि ज्ञान से (cf. चित्र) प्रारंभ होता है।

,

सकारात्मक उदाहरण

,

और नकारात्मक उदाहरणों की अनुपस्थिति को निरूपित करने के लिए तुच्छ प्रस्ताव सही है।

प्लॉटकिन के[13][14] इंडक्टिव लॉजिक प्रोग्रामिंग के लिए "सापेक्ष कम से कम सामान्यीकरण (आरएलजीजी)" दृष्टिकोण का उपयोग बेटी संबंध dau को औपचारिक रूप से परिभाषित करने के विधि के बारे में एक सुझाव प्राप्त करने के लिए किया जाता है।

यह दृष्टिकोण निम्न चरणों का उपयोग करता है।

  • पूर्ण पृष्ठभूमि ज्ञान के साथ शाब्दिक रूप से प्रत्येक सकारात्मक उदाहरण को सापेक्ष करें:
    ,
  • खंड सामान्य रूप में परिवर्तित करें:
    ,
  • प्रत्येक संगत[15] जोड़ी[16] को शाब्दिक रूप से एकीकृत करें:
    • से और ,
    • से और ,
    • से और ,
    • से और , अन्य सभी पृष्ठभूमि-ज्ञान शाब्दिकों के समान
    • से और , और कई अन्य नकारात्मक अक्षर
  • सकारात्मक शाब्दिक में नहीं होने वाले चर वाले सभी अस्वीकृत शाब्दिक हटाएं:
    • की तुलना में अन्य चर वाले सभी अस्वीकृत शाब्दिकों को हटाने के पश्चात, मात्र पृष्ठभूमि ज्ञान से सभी जमीनी शाब्दिकों के साथ रहता है।
  • क्लॉज को वापस हॉर्न फॉर्म में बदलें:

इसी प्रकार परिणामी हॉर्न क्लॉज आरएलजीजी दृष्टिकोण द्वारा प्राप्त परिकल्पना h है। पृष्ठभूमि ज्ञान तथ्यों को अनदेखा करते हुए, खंड अनौपचारिक रूप से पढ़ता है " को की बेटी कहा जाता है यदि और का जनक है तथा महिला है", जो सामान्यतः स्वीकृत परिभाषा है।

उपरोक्त आवश्यकताओं के संबंध में, "आवश्यकता" संतुष्ट थी क्योंकि विधेय पृष्ठभूमि ज्ञान में प्रकट नहीं होता है, इसलिए इस विधेय वाली किसी भी संपत्ति को लागू नहीं किया जा सकता है, जैसे कि सकारात्मक उदाहरण हैं। इसी प्रकार "पर्याप्तता" संगणित परिकल्पना h से संतुष्ट है, क्योंकि पृष्ठभूमि ज्ञान से के साथ मिलकर, पहले सकारात्मक का अर्थ है उदाहरण , और इसी प्रकार h और पृष्ठभूमि ज्ञान से तात्पर्य है दूसरा सकारात्मक उदाहरण "कमजोर स्थिरता" h से संतुष्ट है, क्योंकि h पृष्ठभूमि ज्ञान द्वारा वर्णित (परिमित) हरब्रांड संरचना में है; जो "मजबूत स्थिरता" के समान है।

दादी के संबंध की सामान्य परिभाषा, अर्थात उपरोक्त दृष्टिकोण का उपयोग करके नहीं सीखा जा सकता है, क्योंकि चर y मात्र क्लॉज बॉडी में होता है; संबंधित शाब्दिक दृष्टिकोण के चौथे चरण में हटा दिए गए होंगे, इसी प्रकार इस दोष को दूर करने के लिए, उस कदम को इस प्रकार संशोधित करना होगा कि इसे भिन्न-भिन्न शाब्दिक पोस्ट-चयन हेरिस्टिक्स के साथ पैरामीट्रिज किया जा सके, ऐतिहासिक रूप से, गोलेम कार्यान्वयन आरएलजीजी दृष्टिकोण पर आधारित है।

इंडक्टिव तर्क प्रोग्रामिंग प्रणाली

इंडक्टिव तर्क प्रोग्रामिंग प्रणाली एक ऐसा प्रोग्राम है जो इनपुट तर्क थ्योरी के रूप में लेता है और एक सही परिकल्पना H के आधार पर थ्योरी को आउटपुट करता है। आईएलपी प्रणाली के एक कलन विधि में दो भाग होते हैं: परिकल्पना खोज और परिकल्पना चयन, पहले एक इंडक्टिव लॉजिक प्रोग्रामिंग प्रक्रिया के साथ एक परिकल्पना की खोज की जाती है, फिर मिली परिकल्पनाओं का एक उपसमुच्चय (अधिकांश प्रणालियों में एक परिकल्पना) एक चयन कलन विधि द्वारा चुना जाता है। एक चयन कलन विधि प्रत्येक पाई गई परिकल्पना को स्कोर करता है और उच्चतम स्कोर वाले को लौटाता है। स्कोर फ़ंक्शन के एक उदाहरण में न्यूनतम संपीड़न लंबाई सम्मलित है इसी प्रकार जहां सबसे कम कोलमोगोरोव जटिलता वाली परिकल्पना में उच्चतम स्कोर होता है और वापस आ जाता है। एक आईएलपी प्रणाली पूर्ण है यदि किसी भी इनपुट तर्क सिद्धांतों के लिए इन इनपुट सिद्धांतों के संबंध में कोई भी सही परिकल्पना H इसकी परिकल्पना खोज प्रक्रिया के साथ मिल सकती है।

परिकल्पना खोज

इसी प्रकार प्रोगोल,[8] हेल[17] और इम्पारो[18] जैसी आधुनिक आईएलपी प्रणालियां B, E, H: के लिए व्युत्क्रम प्रवेश[8] के सिद्धांत का उपयोग करके एक परिकल्पना H खोजती हैं। सबसे पहले वे एक मध्यवर्ती सिद्धांत F का निर्माण करते हैं जिसे ब्रिज थ्योरी कहा जाता है जो स्थितियों और को संतुष्ट करता है, फिर के रूप में, वे एंटी-एंटेलमेंट के साथ पुल सिद्धांत F की उपेक्षा को सामान्य करते हैं।[19] चूंकि, अत्यधिक गैर-नियतात्मक होने के पश्चात से एंटी-एंटेलमेंट का संचालन कम्प्यूटेशनल रूप से अधिक महंगा है। इसलिए, उलटा सबसम्प्शन (एंटी-सबजम्पशन) के संचालन का उपयोग करके एक वैकल्पिक परिकल्पना खोज की जा सकती है, जो कि एंटी-एंटेलमेंट की तुलना में कम गैर-नियतात्मक है।

विशिष्ट आईएलपी प्रणाली की परिकल्पना खोज प्रक्रिया की पूर्णता के प्रश्न उठते हैं। उदाहरण के लिए, प्रोगोल की परिकल्पना खोज प्रक्रिया व्युत्क्रम प्रवेश अनुमान नियम पर आधारित यामामोटो के उदाहरण से पूरी नहीं हुई है।[20] दूसरी ओर, इम्पारो एंटी-एंटेलमेंट प्रक्रिया[21] और इसकी विस्तारित उलटा सबसम्प्शन[22] प्रक्रिया दोनों के द्वारा पूर्ण है।

कार्यान्वयन

यह भी देखें

संदर्भ

  1. Plotkin, G.D. (1970). आगमनात्मक अनुमान के स्वचालित तरीके (PDF) (PhD). University of Edinburgh. hdl:1842/6656.
  2. Shapiro, Ehud Y. (1981). तथ्यों से सिद्धांतों का आगमनात्मक निष्कर्ष (PDF) (Technical report). Department of Computer Science, Yale University. 192. Reprinted in Lassez, J.-L.; Plotkin, G., eds. (1991). Computational logic : essays in honor of Alan Robinson. MIT Press. pp. 199–254. ISBN 978-0-262-12156-9.
  3. Shapiro, Ehud Y. (1983). एल्गोरिथम प्रोग्राम डिबगिंग. MIT Press. ISBN 0-262-19218-7.
  4. Shapiro, Ehud Y. (1981). "The model inference system" (PDF). Proceedings of the 7th international joint conference on Artificial intelligence. Vol. 2. Morgan Kaufmann. p. 1064.
  5. Poole, David; Goebel, Randy; Aleliunas, Romas (Feb 1986). Theorist: A Logical Reasoning System for Defaults and Diagnosis (PDF) (Research Report). Univ. Waterloo.
  6. Poole, David; Goebel, Randy; Aleliunas, Romas (1987). "Theorist: A Logical Reasoning System for Defaults and Diagnosis". In Nick J. Cercone; Gordon McCalla (eds.). The Knowledge Frontier – Essays in the Representation of Knowledge. Symbolic Computation (1st ed.). New York, NY: Springer. pp. 331–352. doi:10.1007/978-1-4612-4792-0. ISBN 978-1-4612-9158-9. S2CID 38209923.
  7. De Raedt, Luc (2012) [1999]. "A Perspective on Inductive Logic Programming". The Logic Programming Paradigm: A 25-Year Perspective. Springer. pp. 335–346. CiteSeerX 10.1.1.56.1790. ISBN 978-3-642-60085-2.
  8. 8.0 8.1 8.2 Muggleton, S.H. (1991). "आगमनात्मक तर्क प्रोग्रामिंग". New Generation Computing. 8 (4): 295–318. CiteSeerX 10.1.1.329.5312. doi:10.1007/BF03037089. S2CID 5462416.
  9. Muggleton, S.H.; Buntine, W. (1988). "Machine invention of first-order predicate by inverting resolution". Proceedings of the 5th International Conference on Machine Learning. pp. 339–352. doi:10.1016/B978-0-934613-64-4.50040-2. ISBN 978-0-934613-64-4.
  10. Muggleton, S.H. (1995). "उलटा प्रवेश और प्रोगोल". New Generation Computing. 13 (3–4): 245–286. CiteSeerX 10.1.1.31.1630. doi:10.1007/bf03037227. S2CID 12643399.
  11. Muggleton, Stephen (1999). "Inductive Logic Programming: Issues, Results and the Challenge of Learning Language in Logic". Artificial Intelligence. 114 (1–2): 283–296. doi:10.1016/s0004-3702(99)00067-3.; here: Sect.2.1
  12. Džeroski, Sašo (1996). "Inductive Logic Programming and Knowledge Discovery in Databases" (PDF). In Fayyad, U.M.; Piatetsky-Shapiro, G.; Smith, P.; Uthurusamy, R. (eds.). नॉलेज डिस्कवरी और डेटा माइनिंग में उन्नति. MIT Press. pp. 117–152 See §5.2.4. Archived from the original (PDF) on 2021-09-27. Retrieved 2021-09-27.
  13. Plotkin, Gordon D. (1970). Meltzer, B.; Michie, D. (eds.). "आगमनात्मक सामान्यीकरण पर एक नोट". Machine Intelligence. 5: 153–163. ISBN 978-0-444-19688-0.
  14. Plotkin, Gordon D. (1971). Meltzer, B.; Michie, D. (eds.). "आगमनात्मक सामान्यीकरण पर एक और नोट". Machine Intelligence. Edinburgh University Press. 6: 101–124. ISBN 978-0-85224-195-0.
  15. i.e. sharing the same predicate symbol and negated/unnegated status
  16. in general: n-tuple when n positive example literals are given
  17. Ray, O.; Broda, K.; Russo, A.M. (2003). "Hybrid abductive inductive learning". Proceedings of the 13th international conference on inductive logic programming. LNCS. Vol. 2835. Springer. pp. 311–328. CiteSeerX 10.1.1.212.6602. doi:10.1007/978-3-540-39917-9_21. ISBN 978-3-540-39917-9.
  18. Kimber, T.; Broda, K.; Russo, A. (2009). "Induction on failure: learning connected Horn theories". लॉजिक प्रोग्रामिंग और नॉनमोनोटोनिक रीजनिंग पर 10वें अंतर्राष्ट्रीय सम्मेलन की कार्यवाही. LNCS. Vol. 575. Springer. pp. 169–181. doi:10.1007/978-3-642-04238-6_16. ISBN 978-3-642-04238-6.
  19. Yamamoto, Yoshitaka; Inoue, Katsumi; Iwanuma, Koji (2012). "पूर्ण व्याख्यात्मक प्रेरण के लिए व्युत्क्रम उपधारणा" (PDF). Machine Learning. 86: 115–139. doi:10.1007/s10994-011-5250-y. S2CID 11347607.
  20. Yamamoto, Akihiro (1997). "Which hypotheses can be found with inverse entailment?". आगमनात्मक तर्क प्रोग्रामिंग पर अंतर्राष्ट्रीय सम्मेलन. Lecture Notes in Computer Science. Vol. 1297. Springer. pp. 296–308. CiteSeerX 10.1.1.54.2975. doi:10.1007/3540635149_58. ISBN 978-3-540-69587-5.
  21. 21.0 21.1 Kimber, Timothy (2012). असफलता पर प्रेरण द्वारा निश्चित और सामान्य तर्क कार्यक्रम सीखना (PhD). Imperial College London. ethos 560694.
  22. Toth, David (2014). "इम्पारो व्युत्क्रम अवधारण द्वारा पूर्ण होता है". arXiv:1407.3836 [cs.AI].
  23. Muggleton, Stephen; Santos, Jose; Tamaddoni-Nezhad, Alireza (2009). "ProGolem: a system based on relative minimal generalization". आगमनात्मक तर्क प्रोग्रामिंग पर अंतर्राष्ट्रीय सम्मेलन. Springer. pp. 131–148. CiteSeerX 10.1.1.297.7992. doi:10.1007/978-3-642-13840-9_13. ISBN 978-3-642-13840-9.
  24. Santos, Jose; Nassif, Houssam; Page, David; Muggleton, Stephen; Sternberg, Mike (2012). "Automated identification of features of protein-ligand interactions using Inductive Logic Programming: a hexose binding case study". BMC Bioinformatics. 13: 162. doi:10.1186/1471-2105-13-162. PMC 3458898. PMID 22783946.


अग्रिम पठन