Self-training Network with the Sells Implementing Predicate Formulas

Tatiana Matveevna Kosovskaya

doi:10.15622/sp.43.6

Abstract

A model of self-modificated predicate network with cells implementing predicate formulas in the form of elementary conjunction is suggested. Unlike a classical neuron network the proposed model has two blocks: a training block and a recognition block. If a recognition block has a mistake then the control is transfered to a training block. Always after a training block implementation the configuration of a recognition block is changed. The base of the proposed logic-predicate network is a logic-objective approach to AI problems solving and level description of classes as well as the notion of partial deducibility which allows to extract common sub-formulas of elementary conjunctions

Highlights

If a recognition block has a mistake then the control is transmitted to a training block
decrease the number of steps for an algorithm solving a problem under consideration
These descriptions correspond to decomposition of a high-dimensional problem

Summary

Числа q и r вычисляются по формулам q a a

R m m и характеризуют степень совпадения формул A(x) и A(y). В этом случае подформула A(y) называется (q, r)-фрагментом формулы A(x). Подформула A(y) называется максимальной подформулой элеwww.proceedings.spiiras.nw.ru ментарной конъюнкции A(x), если она является её (q, r)-фрагментом с максимальным среди всех (q, r)-фрагментов значением параметра q. То есть для A(y) справедливо S(ω) ⇒ ∃y=A(y) и ни для какой подформулы формулы A(x), с большим значением параметра q, это следствие не выполняется. Возможно другое определение значений параметров q и r. N), а предметным переменным, входящим в формулы, приписаны соответственно веса vj

Тогда qw w w

Распознающий блок

Список литературы

SUMMARY