Abstract
傳統上, 龐大的搜尋空間是機器學習所面臨的一大問題.一個解決的方法 是設計學習規範(learning scheme) 限制系統的搜尋空間. 另一方面, 隨 著程式語言和硬體技術的進步和價格的下降, 遞迴程式的設計亦日趨重 要, 特別是對人工智慧界常用的程式語言而言. 學習以遞迴形式表達目標 觀念的努力一直到進幾年才漸漸的受到重視, 例如:內結構一致化(Sub- unification), 反一致化(Anti-unif ication).若以程式學習新知識所 需的時間為評定成效優劣的標準.既有的機器學習系統不是無法學習就是 不適合學習遞迴程式. 我們發展了三種規範以有效的減低搜尋空間; 延展 既有系統所能學習之形式為一半遞迴形式(Partial recursi on) ; 以一 套方法發現遞迴之終止條件, 進而使的整個學習過程自動化; 在三種規範 下學習出不同形式的邏輯程式 ; 而最後系統回傳給使用者是一組完整且 可立刻執行的程式. 使用者要準備學習時所要求的學習範例和背景知識, 並決定是否接受系統回傳的結果.本文分七章: 第一章前言; 第二章回顧 相關系統; 第三章描述以論元約束及述語搜尋為骨架的學習規範; 第四章 描述整個系統流程; 第五章討論發現遞迴之終止條件的方法 ; 第六章討 論系統的學習成果; 第七章結論. 之後為和系統有關之附錄. 附錄一列出 席格(CIGOL) 的W 和V 操作元 ; 附錄二展示一些系統實際操作的顯示狀 態; 附錄三列出在第六章所用到的所有背景知識, □面含有一些和學習範 例時所用不到的雜訊知識.