Declaratief modeleren voor machinaal leren en dataontginning.

Declaratieve modellen specifiëren aan welke voorwaarden een oplossing van een bepaald probleem moet voldoen terwijl klassieke procedurale aanpakken specifiëren hoe die oplossing berekend moet worden. In dit project zal een declaratief modeleringsparadigma ontwikkeld worden dat zal toegepast worden op het machinaal leren, voor het ontginnen van data en voor experimentatie. Dat paradigma bestaat uit drie componenten: Een modeleringstaal, d.w.z. een hoog niveau declaratieve taal voor het specifiëren van de relevante domeinkennis, onafhankelijk van een specifieke taak. Een solver die als input een meer specifieke, taak geörienteerde taal heeft en die een oplossing voor een bepaalde computationele taak berekent. Een programmeer platform, waarin de gebruiker een algemene (programmeer)taal gebruikt om een specifieke taak in op te lossen. Vandaag bestaan er geen algemene declaratieve methodes voor het machinaal leren, het ontginnen van data of experimentatie. Vandaar dat we deze domeinen willen onderzoeken vanuit het standpunt van het declaratief modeleren en dat we de specifieke vereisten van deze domeinen will gebruiken om doorbraken in het declaratief modeleren, het machinaal leren, het ontginnen van data en de experimentatie te realizeren.

Trefwoorden:Experimentation, Data Mining, Artificial Intelligence, Machine Learnin, Knowledge Representation, Declarative Modeling, Constraint programming

Disciplines:Toegepaste wiskunde