Machine d'apprentissage logique (en anglais Logic learning machine, LLM, à ne pas confondre avec Large language model) est une méthode d'apprentissage automatique basée sur la génération de règles intelligibles. LLM est une implémentation efficace du paradigme du réseau neuronal à commutation (en anglais Switching Neural Network, SNN, à ne pas confondre avec Spiking Neural Networks, SNNs)[1], développé par Marco Muselli, chercheur principal au Conseil national italien de la recherche CNR-IEIIT à Gênes.
LLM a été employé dans de nombreux secteurs différents, notamment le domaine de la médecine (classification orthopédique des patients [2], analyse de puces à ADN [3] et systèmes d'aide à la décision clinique [4] ),les services financiers et la logistique.
↑Muselli, « Switching Neural Networks: A new connectionist model for classification », WIRN 2005 and NAIS 2005, Lecture Notes on Computer Science, vol. 3931, , p. 23–30 (lire en ligne)
↑Mordenti, Ferrari, Pedrini et Fabbri, « Validation of a New Multiple Osteochondromas Classification Through Switching Neural Networks », American Journal of Medical Genetics Part A, vol. 161, no 3, , p. 556–560 (PMID23401177, DOI10.1002/ajmg.a.35819, S2CID23983960)
↑Cangelosi, Muselli, Blengio et Becherini, « Use of Attribute Driven Incremental Discretization and Logic Learning Machine to build a prognostic classifier for neuroblastoma patients », Bits2013, vol. 15, no Suppl 5, , S4 (PMID25078098, PMCID4095004, DOI10.1186/1471-2105-15-S5-S4)
↑Parodi, Filiberti, Marroni et Montani, « Differential diagnosis of pleural mesothelioma using Logic Learning Machine », Bits2014, vol. 16, no Suppl 9, , S3 (PMID26051106, PMCID4464205, DOI10.1186/1471-2105-16-S9-S3)