คำถามคือในความคิดของฉันค่อนข้างคลุมเครือและเกี่ยวข้องกับความเข้าใจผิดบางอย่างดังนั้นคำตอบนี้พยายามเพียงให้คำศัพท์ที่ถูกต้องและนำคุณไปในทิศทางที่ถูกต้อง
วิทยาศาสตร์คอมพิวเตอร์มีสองสาขาที่ศึกษาปัญหาดังกล่าวโดยตรง อุปนัยสรุปและทฤษฎีการเรียนรู้คอมพิวเตอร์ ทั้งสองสาขามีความสัมพันธ์กันอย่างใกล้ชิดและความแตกต่างเป็นหนึ่งในสังคมและความงามมากกว่าที่เป็นทางการ
แก้ไขตัวอักษร จำกัดและชุดของทุกภาษาซึ่งประกอบด้วยคำ จำกัด ความยาวกว่า นี่คือทุกสิ่งที่คุณสามารถแสดงในแง่ของ ตอนนี้พิจารณาครอบครัวภาษา*) คุณสามารถคิดได้ว่านี่เป็นแนวคิดที่คุณสนใจบ่อยครั้งที่คุณต้องแก้ไขตระกูลของแนวคิดที่คุณสนใจเพราะอย่างที่คนอื่น ๆ ชี้ให้เห็นการแสดงแนวคิดและการนำเสนอข้อมูลมีความสำคัญอย่างยิ่งP ( A ∗ ) A A F ⊆ P ( A ∗ )AP(A∗)AAF⊆P(A∗)
ลองนึกภาพครูที่จะสอนแนวคิดให้คุณ ครูจะเลือกภาษาใดภาษาหนึ่งโดยที่คุณไม่รู้ จากนั้นครูจะนำเสนอข้อมูลเกี่ยวกับภาษาแก่คุณ มีการนำเสนอมากมาย วิธีที่ง่ายที่สุดคือให้ตัวอย่างแก่คุณ การนำเสนอข้อมูลในเชิงบวกเป็นฟังก์ชันความพึงพอใจว่าf:N→A∗
⋃i∈Nf(i)=T, for some T in F.
ดังนั้นการนำเสนอข้อมูลเชิงบวกคือการแจกแจงแนวคิดเป้าหมายบ่อยครั้งที่มีเงื่อนไขความเป็นธรรมเพิ่มเติมบางอย่างเกิดขึ้นคุณสามารถของานนำเสนอที่ติดป้ายคำขึ้นอยู่กับว่าเป็นภาษาหรือไม่ อีกครั้งคุณสามารถเพิ่มเงื่อนไขเพิ่มเติมเพื่อความเป็นธรรมและครอบคลุมทุกคำ
สมมติว่าเรามีครอบครัวของภาษา นั่นหมายความว่าทุกองค์ประกอบของกำหนดภาษา(M) ตัวอย่างของการเป็นตัวแทนคือสูตรบูลีนออโตไฟไนต์นิพจน์ปกติระบบของสมการเชิงเส้นภาษาการเขียนโปรแกรมเฉพาะโดเมน ฯลฯ สิ่งที่คุณต้องการจริง ๆ ยกเว้นเงื่อนไขต่าง ๆ มักจะถูกกำหนดเพื่อให้แน่ใจว่าการแสดงนั้นมีคุณสมบัติM R e p L ( M )RepMRepL(M)
เรียนเรื่อย ๆเป็นฟังก์ชั่นที่ทำให้การคาดเดาหลังจากที่ได้เห็นแต่ละคำให้โดยครู เราอาจต้องการให้ผู้เรียนสอดคล้องกันบ่อยครั้ง ความหมายภาษาควรมีคำทั้งหมดที่สำหรับฉัน ผู้เรียนคงที่หากผู้เรียนคาดเดาภาษาเป้าหมายไม่เปลี่ยนแปลง โดยเฉพาะควรมีอยู่ดัชนีบางเช่นว่าทุก ,1)) ผู้เรียนสำเร็จหากภาษาสุดท้ายเท่ากับภาษาเป้าหมายL ( P ( ฉัน) ) ฉ( J ) J ≤ ฉันk J ≥ k L ( P ( ญ) ) = L ( P ( J + 1 ) )p:N→RepL(p(i))f(j)j≤ikj≥kL(p(j))=L(p(j+1))
ฉันขอเน้นว่านี่เป็นเพียงการทำให้เป็นทางการเฉพาะของรูปแบบการเรียนรู้ที่เฉพาะเจาะจงอย่างเดียวเท่านั้น แต่นี่คือขั้นตอนที่เป็นศูนย์ก่อนที่คุณจะเริ่มถามและศึกษาคำถามที่คุณสนใจโมเดลการเรียนรู้สามารถเพิ่มพูนขึ้นโดยการอนุญาตให้มีปฏิสัมพันธ์ระหว่างผู้เรียนกับครู แทนที่จะเป็นตระกูลของภาษาที่กำหนดเองเราสามารถพิจารณาภาษาที่เฉพาะเจาะจงมาก ๆ หรือแม้แต่การนำเสนอที่เฉพาะเจาะจง (เช่นฟังก์ชั่นบูลีนโมโนโทน) มีความแตกต่างระหว่างสิ่งที่คุณสามารถเรียนรู้ในแต่ละรุ่นและความซับซ้อนของการเรียนรู้ นี่คือตัวอย่างหนึ่งของผลลัพธ์ที่เป็นไปไม่ได้พื้นฐาน
ทองคำ [1967]ไม่มีตระกูลของภาษาที่มีภาษาที่ จำกัด ทั้งหมดและอย่างน้อยหนึ่งภาษาที่มีขีด จำกัด สูงสุดสามารถเรียนรู้ได้จากข้อมูลเชิงบวกเพียงอย่างเดียว
ควรระมัดระวังเป็นอย่างมากในการตีความผลลัพธ์นี้ ตัวอย่างเช่น Dana Angluin แสดงให้เห็นว่าในยุค 80 นั้น
Angluin [1982]คลาสของภาษา -reversible นั้นสามารถเรียนรู้ได้ในระดับที่ จำกัด จากข้อมูลเชิงบวกk
คลาสของภาษา -reversible ไม่มีที่สิ้นสุดมีภาษาที่มีขีด จำกัด สูงสุด แต่น่าสนใจไม่มีภาษา จำกัด ทั้งหมด ตอนนี้เมื่อคุณเปลี่ยนรูปแบบการเรียนรู้ผลลัพธ์พื้นฐานก็เปลี่ยนไปk
Angluin [1987]ภาษาปกติสามารถเรียนรู้ได้จากครูผู้สอนที่ตอบคำถามที่มีความเท่าเทียมกัน อัลกอริทึมคือพหุนามในชุดสถานะของ DFA ที่น้อยที่สุดและความยาวของตัวอย่างสูงสุด
นี่เป็นผลลัพธ์ที่ค่อนข้างแข็งแกร่งและเป็นบวกและเพิ่งพบแอปพลิเคชั่นหลายตัว อย่างไรก็ตามรายละเอียดมีความสำคัญเสมอเช่นเดียวกับหัวข้อของบทความด้านล่าง
ปัญหา DFA ที่สอดคล้องขั้นต่ำไม่สามารถประมาณได้ภายในและพหุนาม
Pitt และ Warmuth, 1989
ตอนนี้คุณอาจสงสัยว่าสิ่งนี้เกี่ยวข้องกับคำถามของคุณอย่างไร คำตอบของฉันคือพื้นที่การออกแบบสำหรับคำนิยามทางคณิตศาสตร์ของปัญหาของคุณมีขนาดใหญ่มากและจุดเฉพาะที่คุณเลือกในพื้นที่นี้จะส่งผลต่อคำตอบที่คุณจะได้รับ ข้างต้นไม่ได้หมายถึงการสำรวจที่ครอบคลุมถึงวิธีการทำให้เป็นปัญหาการเรียนรู้ มันมีไว้เพื่อแสดงให้เห็นถึงทิศทางที่คุณอาจต้องการตรวจสอบ การอ้างอิงและผลลัพธ์ทั้งหมดที่ฉันอ้างถึงนั้นเป็นวันที่สุดขีด มีตำราพื้นฐานที่คุณสามารถปรึกษาเพื่อให้ได้ภูมิหลังที่เพียงพอเพื่อกำหนดคำถามของคุณในลักษณะที่แม่นยำและกำหนดว่าคำตอบที่คุณค้นหามีอยู่แล้วหรือไม่