Algorithmic Learning Theory: 9th International Conference, ALT’98 Otzenhausen, Germany, October 8–10, 1998 Proceedings

این جلد شامل تمام مقالات ارائه شده در نهمین کنفرانس بین المللی نظریه یادگیری الگوریتمی (ALT'98) است که در مرکز آموزشی اروپا Europ¨aisches Bildungszentrum (ebz) Otzenhausen، آلمان، 8 اکتبر 1998 برگزار شد. این کنفرانس توسط انجمن ژاپنی برای هوش مصنوعی (JSAI) و دانشگاه کایزرسلاترن حمایت شد. سی و چهار مقاله در مورد تمام جنبه‌های نظریه یادگیری الگوریتمی و حوزه‌های مرتبط، همه به صورت الکترونیکی ارسال شد. بیست و شش مقاله بر اساس اصالت، کیفیت و ارتباط با نظریه یادگیری ماشین توسط کمیته برنامه پذیرفته شد. علاوه بر این، سه سخنرانی دعوت شده توسط آکیرا ماروکا از دانشگاه توهوکو، آرون شارما از دانشگاه نیو ساوت ولز و استفان وروبل از GMD به ترتیب در کنفرانس ارائه شد. مایلیم از سخنرانان دعوت شده خود برای به اشتراک گذاشتن دیدگاه های خود در مورد پیشرفت های جدید و هیجان انگیز در حوزه های تحقیقاتی خود صمیمانه تشکر کنیم. این کنفرانس نهمین کنفرانس از مجموعه نشست‌های سالانه است که در سال 1990 تأسیس شد. مجموعه ALT بر تمام حوزه‌های مرتبط با نظریه یادگیری الگوریتمی از جمله (اما نه محدود به): تئوری یادگیری ماشین، طراحی و تجزیه و تحلیل الگوریتم‌های یادگیری، محاسباتی تمرکز دارد. منطق/برای کشف ماشین، استنتاج استقرایی توابع بازگشتی و زبان‌های قابل شمارش بازگشتی، یادگیری از طریق پرس و جو، یادگیری توسط شبکه‌های عصبی مصنوعی و بیولوژیکی، تشخیص الگو، یادگیری با قیاس، یادگیری آماری، تخمین بیزی/MDL، برنامه‌نویسی منطق استقرایی، رباتیک ، کاربرد یادگیری در پایگاه های داده و تجزیه و تحلیل ژن.

This volume contains all the papers presented at the Ninth International Con- rence on Algorithmic Learning Theory (ALT’98), held at the European education centre Europ¨aisches Bildungszentrum (ebz) Otzenhausen, Germany, October 8{ 10, 1998. The Conference was sponsored by the Japanese Society for Arti cial Intelligence (JSAI) and the University of Kaiserslautern. Thirty-four papers on all aspects of algorithmic learning theory and related areas were submitted, all electronically. Twenty-six papers were accepted by the program committee based on originality, quality, and relevance to the theory of machine learning. Additionally, three invited talks presented by Akira Maruoka of Tohoku University, Arun Sharma of the University of New South Wales, and Stefan Wrobel from GMD, respectively, were featured at the conference. We would like to express our sincere gratitude to our invited speakers for sharing with us their insights on new and exciting developments in their areas of research. This conference is the ninth in a series of annual meetings established in 1990. The ALT series focuses on all areas related to algorithmic learning theory including (but not limited to): the theory of machine learning, the design and analysis of learning algorithms, computational logic of/for machine discovery, inductive inference of recursive functions and recursively enumerable languages, learning via queries, learning by arti cial and biological neural networks, pattern recognition, learning by analogy, statistical learning, Bayesian/MDL estimation, inductive logic programming, robotics, application of learning to databases, and gene analyses.