Nuovo framework di ML per l'apprendimento con obiettivi veri imprecisi

È stato introdotto un nuovo framework di machine learning chiamato EL-MIATTs (Valutazione e Apprendimento con Molteplici Obiettivi Veri Imprecisi) per affrontare situazioni in cui l'obiettivo vero è ambiguo o soggettivo. Opera sotto la premessa che un obiettivo vero oggettivo potrebbe non esistere. Questa ricerca delinea due approcci complementari: algoritmi di valutazione basati sulla Formula di Valutazione Logica (LAF) e strategie di apprendimento derivate dall'Apprendimento con Obiettivo Vero Indefinibile (UTTL) utilizzando MIATTs. Questi metodi facilitano una modellazione coerente e pratica in ambienti incerti. Gli autori indagano MIATTs specifici per compito, concentrandosi su come la loro diversità e copertura influenzano le caratteristiche strutturali e la successiva valutazione e apprendimento. Questo studio collega intuizioni teoriche con applicazioni pratiche di EL-MIATTs.