论人工智能中的机器学习

《论人工智能中的机器学习》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、人工智能-机器学习班级：姓名：学号：目录摘要：2关键字2引言：21.机器学习系统的定义【1】32．机器学习的发展以及意义【2】33．机器学习系统的基本模型【3】【5】44．机器学习的分类与应用【4】5（1）机械式学习5（2）指导式学习5（3）归纳学习。5（4）类比学习6（5）基于解释学习65．结论86．参考文献8人工智能中机器学习与应用摘要：人工智能（ArtificialIntelligence），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。人工智能的发展，对现代社会的进步有着重要意义，本文重点研究的是

2、人工智能中机器学习（machinelearning）这一部分，机器学习是人工智能中一个重要的研究领域，一直受到人工智能以及认知心理学家的的普遍关注，促进机器学习的研究，对于人工智能的发展有着不可估量的作用。关键字：人工智能、机器学习、计算机、信息化、未来引言：科学技术日新月异，信息化时代已经来临。而信息化的进一步发展，必须有智能技术的进一步支持。自1956年Dartmouth学会正式提出“人工智能”一词以来，人工智能领域吸引了无数研究人员为之奉献才智。机器学习(MachineLearning)是研究计算机怎样模拟或实现人类的学习行为，以获取新

3、的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。1.机器学习系统的定义【1】学习是人类具有的一种重要智能行为，但究竟什么是学习，长期以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其不同的看法。至今，还没有统一的“机器学习”定义，而且也很难给出一个公认的和准确的定义。比如，Langley（1996)定义的机器学习是“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。（Machinelearnin

4、gisascienceoftheartificial.Thefield'smainobjectsofstudyareartifacts,specificallyalgorithmsthatimprovetheirperformancewithexperience.'）Mitchell（1997）在其著作《MachineLearning》中定义机器学习是提到，“机器学习是对能通过经验自动改进的计算机算法的研究”。（MachineLearningisthestudyofcomputeralgorithmsthatimproveautomatica

5、llythroughexperience.）Alpaydin（2004）同时提出自己对机器学习的定义，“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”（Machinelearningisprogrammingcomputerstooptimizeaperformancecriterionusingexampledataorpastexperience.）　　尽管如此，为了便于进行讨论和估计学科的进展，有必要对机器学习给出定义，即使这种定义是不完全的和不充分的。顾名思义，机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍

6、为严格的提法是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机2．机器学习的发展以及意义【2】　机器学习是人工智能研究较为年轻的分支，它的发展过程大体上可分为4个时期第一阶段是在50年代中叶到60年代中叶，属于热烈时期。第二阶段是在60年代中叶至70年代中叶，被称为机器学习的冷静时期。第三阶段是从70年代中叶至80年代中叶，称为复兴时期。　　机器学习的最新阶段始于1986年。机器学习进入新阶段的重要表现在下列诸方面：　　(1)机器学习已成为新的边缘学科并在高校形成一门课程。它综合应用心理学、

7、生物学和神经生理学以及数学、自动化和计算机科学形成机器学习理论基础。　　(2)结合各种学习方法，取长补短的多种形式的集成学习系统研究正在兴起。特别是连接学习符号学习的耦合可以更好地解决连续性信号处理中知识与技能的获取与求精问题而受到重视。　　(3)机器学习与人工智能各种基础问题的统一性观点正在形成。例如学习与问题求解结合进行、知识表达便于学习的观点产生了通用智能系统SOAR的组块学习。类比学习与问题求解结合的基于案例方法已成为经验学习的重要方向。　　(4)各种学习方法的应用范围不断扩大，一部分已形成商品。归纳学习的知识获取工具已在诊断分类型专

8、家系统中广泛使用。连接学习在声图文识别中占优势。分析学习已用于设计综合型专家系统。遗传算法与强化学习在工程控制中有较好的应用前景。与符号系统耦合的神经网络连接学习将