Aprendizaje Automatico de Programas Logico-Funcionales

En este trabajo se presenta un sistema para el aprendizaje de programas lógico-funcionales a partir de ejemplos y de conocimiento previo. Esto supone una extensión de la programación lógica inductiva. El marco se basa en dos operadores fundamentales, la generalización consistente restrictiva, inspirado en los sistemas de aprendizaje basados en generalización, y el narrowing inverso, inspirado en la inversión del operador deductivo del lenguaje de representación, en este caso, los lenguajes lógico-funcionales. Dichos operadores se combinan en un algoritmo con un carácter marcadamente evolutivo en el que dos niveles de poblaciones (de reglas y de programas sobre éstas) se van modificando y combinando hasta llegar a una solución satisfactoria según el criterio de selección de hipótesis. El resultado es el sistema FLIP, un sistema de aprendizaje sobre un lenguaje de representación universal de fácil inteligibilidad que permite, entre otros, la inducción con o sin conocimiento previo de programas recursivos, de árboles de decisión, y de clasificadores sobre datos no estructurados