机构名称：
¥ 1.0
数据驱动方法正成为许多科学技术领域越来越常见的问题解决工具。在大多数情况下，机器学习模型是这些解决方案的关键组成部分。通常，解决方案涉及多个学习模型，以及对模型输出和输入的大量推理。但是，当前的工具不仅对不熟悉机器学习的领域专家来说很麻烦，而且对评估现实世界数据上的新算法和模型并开发 AI 系统的机器学习专家来说也很麻烦。我们回顾了各个 AI 社区在提供用于设计复杂 AI 系统所需的学习和推理技术的高级抽象语言方面所做的关键努力。我们根据技术类型及其数据和知识表示对现有框架进行分类，比较当前工具解决实际应用程序编程挑战的方式，并强调一些缺点和未来方向。我们的比较只是定性的，而不是实验性的，因为系统的性能不是我们研究的因素。
基于声明性学习的编程作为人工智能系统的接口
主要关键词
相关文件推荐
