Machine learning methods use to extract domain control knowledge in planning problems
| Název práce v češtině: | Využití strojového učení pro extrakci doménové znalosti plánovacích problémů |
|---|---|
| Název v anglickém jazyce: | Machine learning methods use to extract domain control knowledge in planning problems |
| Klíčová slova: | induktivní logické programování|extrakce doménové znalosti|plánování|strojové učení|učení automatů |
| Klíčová slova anglicky: | Inductive logic programming|Domain Control Knowledge|planning|machine learning|automata learning |
| Akademický rok vypsání: | 2024/2025 |
| Typ práce: | diplomová práce |
| Jazyk práce: | angličtina |
| Ústav: | Katedra teoretické informatiky a matematické logiky (32-KTIML) |
| Vedoucí / školitel: | Mgr. Marta Vomlelová, Ph.D. |
| Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
| Datum přihlášení: | 07.08.2024 |
| Datum zadání: | 07.08.2024 |
| Datum potvrzení stud. oddělením: | 07.08.2024 |
| Datum a čas obhajoby: | 09.06.2025 09:00 |
| Datum odevzdání elektronické podoby: | 30.04.2025 |
| Datum odevzdání tištěné podoby: | 30.04.2025 |
| Datum proběhlé obhajoby: | 09.06.2025 |
| Oponenti: | RNDr. Simona Ondrčková |
| Konzultanti: | RNDr. Jan Hric |
| Zásady pro vypracování |
| The overall motivation is to explore whether inductive logic programming learning or finate state automaton learning could help to learn the Domain Control Knowledge (DCK) for planning domains.
The student should study the current state of the automata and grammar learning. Then he selects some available tools and compares them on learning simple examples motivated by [1]. |
| Seznam odborné literatury |
| [1] L. Chrpa, R. Barták, J. Vodrážka and M. Vomlelová, "Attributed Transition-Based Domain Control Knowledge for Domain-Independent Planning," in IEEE Transactions on Knowledge and Data Engineering, vol. 34, no. 9, pp. 4089-4101, 1 Sept. 2022, doi: 10.1109/TKDE.2020.3037058.
[2] Cropper, A., Dumančić, S., Evans, R. et al.: Inductive logic programming at 30. Machine Learning 111, 147–172 (2022). https://doi.org/10.1007/s10994-021-06089-1 [3] S. Patsantzis and S. H. Muggleton. Meta-Interpretive Learning as Metarule Specialisation. Machine Learning, 2021 [4] S. Patsantzis and S. H. Muggleton. Top Program Construction and Reduction for Polynomial-Time Meta-interpretive Learning. Machine Learning, 2021 [5] GitHub - stassa/louise: Polynomial-time Meta-Interpretive Learning: https://github.com/stassa/louise [6] S. Verwer and C. A. Hammerschmidt. Flexfringe: A Passive Automaton Learning Package. 2017 IEEE International Conference on Software Maintenance and Evolution (ICSME), Shanghai, China, 2017, pp. 638-642, doi: 10.1109/ICSME.2017.58 |