Skip to content

Neural Symbolic Learning Systems: Neural Networks for Normative Reasoning

Informazioni tesi

  Autore: Silvano Colombo Tosatto
  Tipo: Laurea liv.II (specialistica)
  Anno: 2009-10
  Università: Università degli Studi di Torino
  Facoltà: Scienze Matematiche, Fisiche e Naturali
  Corso: Informatica
  Relatore: Guido Boella
  Lingua: Italiano
  Num. pagine: 102

In this thesis is described, by using a neural-symbolic approach, how it is possible to embed the initial knowledge expressed with a logic formalism into a neural network. We have used the Input/Output logic to describe the starting knowledge, the resulting neural network possesses the same reasoning capabilities of the rule set from which it is built. In addition a neural network possesses some advantages, a faster computation capability and the capacity to learn from instances. The system developed has been then tested on a subset of the rules used in the RoboCup, focusing on learning new rules initially unknown.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
1 Introduction This thesis aims to study how to relate a symbolic representation of normative systems in Input/Output logic (I/O) with the computational model of Neural Networks. We will be using a Neural-Symbolic paradigm, a Neural-Symbolic Learning System to be more precise, that combines two different reasoning approaches: using the symbolic approach to represent the knowledge base and embedding it within a connectionist reasoning approach. To do this we relied on the methodology discussed in [2], using this methodology we managed to tackle some significant limitations of I/O logic. I/O logic is a powerful tool to specify normative systems but lacks of important features such as learning capacity and scalability. These properties are pivotal for modeling complex, dynamic and distributed entities such as normative systems. The problem that we want to tackle originates from the normative reasoning field where some of the knowledge needed to obtain the correct solution is not always explicit. We can take for instance a legislative environment where the judicial court formulates trials by following the normative code. The problem relies in the fact that when the judge formulates his trials, he also relies on the tacit part of the law that is not explicitly represented. This tacit part of the law is due to social conducts, previous trials made from other judges and other factors that makes the normative code alone insufficient to formulate a correct trial. We can use I/O logic to formalize the normative code, but it will not be suf- ficient to produce the trials like a real judge would have, to address this problem we should train the ”normative code” in order to make it learn the tacit part of the law but due to the symbolic nature of I/O logic presents certain limits re- garding the learning capacity, like the knowledge acquisition bottleneck discussed in [9]. Such limits are related to the expert systems which consist in the problem relative to the formalization of the knowledge base and the new rules that result from machine learning due to the symbolic knowledge representation. Moreover, the reasoning mechanism designed for I/O lacks of scalability w.r.t the number of rules that represent a normative code. 4

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

apprendimento automatico
input/output logic
neural-symbolic learning systems
ragionamento normativo
reti neurali
robocup

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi