Reinforcement Symbolic Learning
| العنوان: | Reinforcement Symbolic Learning |
|---|---|
| المؤلفون: | Chloé Mercier, Thierry Viéville, Frédéric Alexandre |
| المساهمون: | Mnemonic Synergy (Mnemosyne), Laboratoire Bordelais de Recherche en Informatique (LaBRI), Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut des Maladies Neurodégénératives [Bordeaux] (IMN), Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Innovation et Numérique pour l'Education (LINE), Université Nice Sophia Antipolis (1965 - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Université Côte d'Azur (UCA), AEx AIDE, Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Inria Bordeaux - Sud-Ouest, Université Nice Sophia Antipolis (... - 2019) (UNS) |
| المصدر: | ICANN 2021-30th International Conference on Artificial Neural Networks ICANN 2021-30th International Conference on Artificial Neural Networks, Sep 2021, Bratislava / Virtual, Slovakia Lecture Notes in Computer Science ISBN: 9783030863791 ICANN (4) |
| بيانات النشر: | HAL CCSD, 2021. |
| سنة النشر: | 2021 |
| مصطلحات موضوعية: | Models for Learning Sciences, Ontology Edit Distances, Computer science, business.industry, [SCCO.NEUR]Cognitive science/Neuroscience, [SHS.EDU]Humanities and Social Sciences/Education, Perspective (graphical), 0102 computer and information sciences, Ontology (information science), 01 natural sciences, Task (project management), Symbolic learning, Reinforcement Symbolic Learning, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 03 medical and health sciences, 0302 clinical medicine, 010201 computation theory & mathematics, Reinforcement learning, Artificial intelligence, Reinforcement, Representation (mathematics), business, Set (psychology), 030217 neurology & neurosurgery |
| الوصف: | International audience; Complex problem solving involves representing structured knowledge, reasoning and learning, all at once. In this prospective study, we make explicit how a reinforcement learning paradigm can be applied to a symbolic representation of a concrete problem-solving task, modeled here by an ontology. This preliminary paper is only a set of ideas while feasibility verification is still a perspective of this work. |
| اللغة: | English |
| ردمك: | 978-3-030-86379-1 |
| URL الوصول: | https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e7c1ef63e0f31f2eee6340ae34f6c99a https://inria.hal.science/hal-03327706/file/ICANN21_paper.pdf |
| حقوق: | OPEN |
| رقم الأكسشن: | edsair.doi.dedup.....e7c1ef63e0f31f2eee6340ae34f6c99a |
| قاعدة البيانات: | OpenAIRE |
| ردمك: | 9783030863791 |
|---|