home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1993 #1 / NN_1993_1.iso / spool / comp / ai / 4804 < prev    next >
Encoding:
Text File  |  1993-01-11  |  8.3 KB  |  193 lines
  1. Newsgroups: comp.ai
  2. Path: sparky!uunet!haven.umd.edu!darwin.sura.net!spool.mu.edu!yale.edu!ira.uka.de!gmd.de!hercules!emde
  3. From: emde@hercules.gmd.de (Werner Emde)
  4. Subject: Machine Learning Program Library
  5. Message-ID: <emde.726740224@hercules>
  6. Keywords: Machine Learning, PROLOG, algorithms
  7. Sender: news@gmd.de (USENET News)
  8. Nntp-Posting-Host: hercules
  9. Organization: GMD, Sankt Augustin, Germany
  10. Date: Mon, 11 Jan 1993 08:17:04 GMT
  11. Lines: 180
  12.  
  13. The Machine-Learning-Program-Library with PROLOG implementations of
  14. basic Machine Learning algorithms has been moved from the ftp-server
  15. of the University of Osnabrueck to the ftp-server of the German 
  16. National Research Center for Computer Science (GMD).
  17.  
  18. The programs are  now accessible via ftp from 'ftp.gmd.DE' within the
  19. directory 'gmd/mlt/ML-Program-Library'.
  20.  
  21. Please, consult the attached README-file of the library for further
  22. details.
  23.  
  24. % file: gmd/mlt/ML-Program-Library/README:
  25.  
  26. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  27. %            This is the Machine Learning Program Library
  28. %                              of the
  29. %        Special Interest Group on Machine Learning (FG 1.1.3)
  30. %        of the German Society for Computer Science (GI e.V.)
  31. %                         7 January 1993
  32. % Anonymous ftp-Server: ftp.gmd.DE (129.26.8.90)
  33. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  34.  
  35. Included  in  this  library  are   several  PROLOG implementations  of
  36. basic machine learning algorithms.  The contents of the repository can
  37. remotely copied    to    other    network    sites    via    ftp  from
  38. 'ftp.gmd.de'.  The login-name  is 'anonymous', as  password enter your 
  39. own e-mail address. To find the program directories  with the programs, 
  40. some small test  data  sets  and  demonstration LOG files enter
  41.       cd gmd/mlt/ML-Program-Library
  42.  
  43. The names and addresses of  the authors,  references to  the origin of
  44. the algorithms, and hints how the programs can be  started are usually
  45. included in the program files.
  46.  
  47. The file LOGFILE lists changes and modifications to the library.  This
  48. file should make it  easy for  you to  determine what's  new since you
  49. last looked  at  it.   
  50.  
  51. Notes  
  52. ----- 
  53.  
  54. 1) Software delivery: If you have implemented a  basic machine learning
  55.    algorithm in PROLOG, which is free of copyrights, please  send it to  
  56.    Thomas Hoppe. Order his software documentation file for more details.
  57.  
  58. 2) Bug detection: The algorithms  are more  or less  tested.  Somtimes
  59.    bugs may  occur  as  a  consequence of  the subtil  differences  of 
  60.    the  different PROLOG  dialects  (especially  built-in predicates).
  61.    If  you  find  a  'new feature',  which  you did not expect, inform 
  62.    Thomas Hoppe so that others can take benefit from your experience.
  63.  
  64. 3) Copyright: Please  note  the remarks  on the  copyright and allowed
  65.    modifications made  by some  program authors  at the  beginning  of 
  66.    the program files.
  67.  
  68. 4) The  files  may  also  be ordered  via surface  or electronic mail.
  69.    People without access  to the  archive should  send a  short notice 
  70.    to Thomas Hoppe using the address given below.
  71.  
  72. 5) We appreciate to draw your attention to the fact that the Knowledge
  73.    Acquisition and Machine Learning System MOBAL (2.0) is also accesible
  74.    accessible  via  the same anonymous  ftp server. The  system, a user
  75.    guide and a README file   are located in the  directory
  76.           gmd/mlt/Mobal 
  77.    (MOBAL has been developed using QUINTUS PROLOG 3.1.1 on a SUN4).
  78.    
  79.  
  80. Brief Overview of the Program Library
  81. -------------------------------------
  82.  
  83. Each sub-directory contains a PROLOG (re-)implementation of a basic
  84. machine learning algorithm, one (or more) test data files, and (in
  85. some cases) a small log file produced by running the program on
  86. the test data set using QUINTUS PROLOG (release 2.4). 
  87.   
  88.   README           this file
  89.   LOGFILE          description of last changes and additions
  90.   aq1/
  91.     aq1.pro        reimplementation of Jeffrey M. Becker's AQ-PROLOG (based
  92.                    on Michalski's AQ)  (author: Thomas Hoppe)
  93.     aq1_1.pro      a simple data set
  94.     aq1_2.pro      Extensions to aq1_1.pro            
  95.   arch1/
  96.     arch1.pro      Winston's incremental learning procedure for
  97.                    structural descriptions (author: Stefan Wrobel)
  98.     arch1_1.pro    Winston's example archs
  99.     arch1.log       Log-file of a sample run
  100.   arch2/
  101.     arch2.pro      a minimal implementation of Winstons's ARCH
  102.                    (author: Ivan Bratko)
  103.     arch2_1.pro    a small test set             
  104.     arch2.log      Log-file of a sample run
  105.   attdsc/
  106.     attdsc.pro     Ivan Bratko's algorithm for learning attributional
  107.                    descriptions
  108.     attdsc_1.pro   Small example set for learning to recognize objects
  109.                    from their silhouettes
  110.   cobweb/
  111.     cobweb.pro     a PROLOG implementation of Fisher's COBWEB using
  112.                    CLASSIT's evaluation function to deal with numeric
  113.            attributes (author: Joerg-Uwe Kietz)
  114.     cobweb_1.pro   a simple data set describing some hotels (numeric and
  115.                    nominal attributes)
  116.     cobweb_2.pro   Gennari, Langley, and Fisher's rectangle 
  117.                    classification example (numeric attributes)
  118.     cobweb_3.pro   Fisher's animal classification example (nominal 
  119.                    attributes)
  120.     cobweb_4.pro   Gennari, Langley, and Fisher's cell classification 
  121.                    example (numeric attributes)
  122.     cobweb.log     Log-file of running the program the example data 
  123.                    sets   
  124.   discr/
  125.     discr.pro      Brazdil's generation of discriminations from
  126.                    derivation trees (author: Thomas Hoppe)
  127.     discr_1.pro    Simple abstract example
  128.     discr_2.pro    Abstract example generating useful and not
  129.   ebg/
  130.     ebg.pro        Basic algorithms for explanation based generalisa-
  131.                    tion and partial evaluation based on Kedar-Cabelli
  132.                    & McCarty's idea. Different kinds of simple PROLOG
  133.                    meta-interpreters.
  134.     ebg_1.pro      Suicide example for EBG
  135.     ebg_2.pro      Safe_to_stack example for EBG
  136.                    useful descriminants  (author: Thomas Hoppe)
  137.   id3/
  138.     idt.pro       ID3.1 Implementation of Quinlan's ID3 algorithm
  139.                    based on the 'gain-ratio'-measure
  140.            (authors: Luis Torgo, Thomas Hoppe)
  141.     idt_1.pro     simple example data set
  142.     idt_2.pro     simple example data set
  143.     idt_3.pro     simple example data set
  144.   invers/
  145.     invers.pro     Implementation of absorption and intra-construction
  146.                    operators for inverse resolution
  147.            (author: Thomas Hoppe)
  148.     invers_1.pro   example calls                      
  149.   logic/
  150.     logic.pro      Substitution matching, term generalizations,
  151.                    generalized subsumption
  152.     logic_1.pro    Example calls        
  153.   multagent/
  154.     multagent.pro  Yiu Cheung HO's implementation of Brazdil's tutoring 
  155.                    setting
  156.     teacher.pro    Teacher's knowledge base
  157.     learner1.pro   A correct Learner's knowledge base
  158.     learner2.pro   An erroneous Learner's knowledge base
  159.     calls_1.pro    Example calls concerning correct knowledge
  160.     calls_2.pro    Example calls concerning wrong knowledge
  161.   vs/
  162.     vs.pro         Implementation of Mitchell's version space algorithm  
  163.     vs_1.pro       a simple shape and color taxonomy
  164.     vs_1.log       Log-file of a sample run
  165.  
  166.  
  167.  
  168.  
  169. Suggestions and complaints regarding the access to the ftp-library 
  170. or the Log-files are welcome any time by Werner Emde.
  171.  
  172. Additional PROLOG implementations  of Machine  Learning Algorithms are
  173. welcome by Thomas Hoppe who is responsible for the  maintenance of the
  174. program library.  Thomas Hoppe has made slight changes to the programs
  175. supplied by the different authors in order to make them independent of
  176. a specific PROLOG dialect (as far as possible).
  177.  
  178.  
  179.   Thomas Hoppe                         Dr. Werner Emde
  180.   Projektgruppe KIT                    GMD, FIT.KI
  181.   Technische Universitaet Berlin       Postfach 13 16
  182.   Franklinstr. 28/29                   Schloss Birlinghoven 
  183.   D-1000 Berlin 10                     D-W-5205 Sankt Augustin 1
  184.   Germany                              Germany
  185.                 
  186.   email: hoppet@cs.tu-berlin.de        email:  werner.emde@gmd.de
  187.   Phone: +49.30.314-25494              Phone:  +49.2241.14-2282       
  188.   FAX:   +49.30.314-24929              FAX:    +49.2241.14-2072  
  189.  
  190.  
  191.  
  192.  
  193.