機械の文献によると，LFEとは，例を評価する規則を学習するアルゴリズムといえる． 文献[12]によると，LFEの問題は，``例空間"と，``規則空間""と呼ばれるものによって定義される． 例空間は，トレーニング中も，テスト中も，遭遇するかもしれない可能な例の集合とする． 規則空間は，例を評価することによる，可能な推定規則の集合とする． LFEアルゴリズムは，例を評価する最適な方法のための規則空間を探索する．
SLSのLFEアルゴリズムにおいて，タスクは，中間を表すシーケンスを通して，画像から正しい目標レベルの仮定を生成することといえる． 例は，仮定と，画像から正しい目標レベルの仮定を導くTPsのストリングである． 規則空間は，特徴と，TPs (の集合) で構成されており，特徴は，どの仮定を追及すべきか決定し， TPsは仮定を変換する方法を示している． できる限り，誤った仮定を生成しない間， LFEアルゴリズムの目標は，トレーニング集合における，それぞれのターゲットの例のための正しい仮定を生成する TPsと特徴の集合の選択とする．