RULES-IT： incremental transfer learning with RULES family

摘要

在在技术的过多的开发的今天世界上，计算机应用程序的可持续性和适应性是挑战，并且未来预言变得重要。因此，强壮的人工智能(AI ) 变得重要，因此，统计机器学习(ML ) 方法被使用服务它。这些方法是很困难的理解，并且没有出现，他们预言未来怎么。然而，机器怎么作决定的理解也是重要的，特别在信息系统领域。因而，增长盖住算法(CA ) 能被用来生产简单规则做困难的决定。不过，尽管把简单 CA 用作强壮的 AI 的底，代理人将是一个新奇想法，但是那么对在 CA 可得到的 themethods 做不是可能的。不得不精确地在 CA 基于新信息更新发现规则是挑战并且需要额外的注意，这被发现。不适当地在有失踪的类的特定的、不完全的数据被考虑，速度和数据尺寸由此也是一颗担心，和未来没有存在类被忽视。因而，这份报纸将介绍称为规则信息技术的一个新奇算法，以便解决增长 CA 的问题并且介绍它进强壮的 AI。这个算法总体上是在它的家庭，和 CA 的第一个增长算法，那转移不同领域统治改进表演，概括正式就职，在不同领域利用过去的经验，并且使学习者更聪明。介绍聪明的方面进增长 CA 也是第一，包括知觉，主观情感，了解，和调整。而且，做的所有决定能作为规则由于仓库的简单表示被理解。最后，规则信息技术性能将是有六个不同方法并且与它的前辈相比的 benchmarked 看见在学习进程转移规则的效果，并且证明规则信息技术怎么实际上在全部的性能除了它的改进解决了当前的增长 CA 的缺点。