Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "grammatical inference" wg kryterium: Wszystkie pola


Wyświetlanie 1-3 z 3
Tytuł:
Improved genetic algorithm for the context-free grammatical inference
Autorzy:
Gietka, Adrianna
Powiązania:
https://bibliotekanauki.pl/articles/764763.pdf
Data publikacji:
2007
Wydawca:
Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Źródło:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica; 2007, 7, 1
1732-1360
2083-3628
Pojawia się w:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Typology emerges from simplicity in representations and learning
Autorzy:
Lambert, Dakotah
Rawski, Jonathan
Heinz, Jeffrey
Powiązania:
https://bibliotekanauki.pl/articles/2061410.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Instytut Podstaw Informatyki PAN
Tematy:
model theory
subregularity
grammatical inference
formal language theory
phonology
learning
complexity
Opis:
We derive well-understood and well-studied subregular classes of formal languages purely from the computational perspective of algorithmic learning problems. We parameterise the learning problem along dimensions of representation and inference strategy. Of special interest are those classes of languages whose learning algorithms are necessarily not prohibitively expensive in space and time, since learners are often exposed to adverse conditions and sparse data. Learned natural language patterns are expected to be most like the patterns in these classes, an expectation supported by previous typological and linguistic research in phonology. A second result is that the learning algorithms presented here are completely agnostic to choice of linguistic representation. In the case of the subregular classes, the results fall out from traditional model-theoretic treatments of words and strings. The same learning algorithms, however, can be applied to model-theoretic treatments of other linguistic representations such as syntactic trees or autosegmental graphs, which opens a useful direction for future research.
Źródło:
Journal of Language Modelling; 2021, 9, 1; 151--194
2299-856X
2299-8470
Pojawia się w:
Journal of Language Modelling
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Real–valued GCS classifier system
Autorzy:
Cielecki, Ł.
Unold, O.
Powiązania:
https://bibliotekanauki.pl/articles/929825.pdf
Data publikacji:
2007
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
uczenie maszynowe
wnioskowanie gramatyczne
gramatyka bezkontekstowa
learning classifier systems
GCS
GAs
grammatical inference
context-free grammar
Opis:
Learning Classifier Systems (LCSs) have gained increasing interest in the genetic and evolutionary computation literature. Many real-world problems are not conveniently expressed using the ternary representation typically used by LCSs and for such problems an interval-based representation is preferable. A new model of LCSs is introduced to classify realvalued data. The approach applies the continous-valued context-free grammar-based system GCS. In order to handle data effectively, the terminal rules were replaced by the so-called environment probing rules. The rGCS model was tested on the checkerboard problem.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2007, 17, 4; 539-547
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies