普适机器学习36403

普适机器学习36403

ID:36901821

大小:378.50 KB

页数:15页

时间:2019-05-10

普适机器学习36403_第1页
普适机器学习36403_第2页
普适机器学习36403_第3页
普适机器学习36403_第4页
普适机器学习36403_第5页
资源描述:

《普适机器学习36403》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、普适机器学习(PervasiveMachineLearning)机器学习是人工智能的核心研究领域之一任何一个没有学习能力的系统都很难被认为是一个真正的智能系统经典定义:利用经验改善系统自身的性能随着该领域的发展,主要做智能数据分析并已成为智能数据分析技术的源泉之一典型任务:预测(例如:天气预报)机器学习www.nmrcr.com肉苁蓉数据挖掘数据库机器学习数据分析技术数据管理技术机器学习与数据挖掘美国航空航天局JPL实验室的科学家在《Science》(2001年9月)上撰文指出:机器学习对科学研究的整个过程正起到越来越大的支持作用,……,该领域在今后的若干年内将取得稳定而快速的发展生物信息

2、学计算金融学分子生物学行星地质学……工业过程控制机器人……遥感信息处理信息安全机器学习机器学习的重要性入侵检测:是否是入侵?是何种入侵?如何检测?历史数据:以往的正常访问模式及其表现、以往的入侵模式及其表现……对当前访问模式分类这是一个典型的机器学习问题常用技术:神经网络决策树支持向量机贝叶斯分类器k近邻序列分析聚类…………例子1:网络安全美国的PAL计划DARPA2003年开始启动PAL(PerceptiveAssistantthatLearns)计划5年期,首期(1-1.5年)投资2千9百万美元以机器学习为核心的计划(涉及到AI的其他分支,如知识表示和推理、自然语言处理等);包含2个子

3、计划目标:“isexpectedtoyieldnewtechnologyofsignificantvaluetothemilitary,business,andacademicsectors”“developsoftwarethatwillhelpdecision-makersmanagetheircomplexworldsofmultiplesimultaneoustasksandunexpectedevents”RADAR(ReflectiveAgentswithDistributedAdaptiveReasoning),承担单位为CMU,首期7百万美元目标:“thesystemwil

4、lhelpbusymanagerstocopewithtime-consumingtasks”“RADARmustlearnbyinteractingwithitshumanmasterandbyacceptingexplicitadviceandinstruction”美国的PAL计划:RADAR子计划CALO(CognitiveAgentthatLearnsandObserves),承担单位为SRI,首期2千2百万美元除SRI外,这个子计划的参加单位有20家:Boeing,CMU,DejimaInc.,FetchTechInc.,GATech,MIT,OregonHSU,Stanfor

5、d,SUNY-StonyBrook,UCBerkeley,UMass,UMich,UPenn,Rochester,USC,UTAustin,UW,Yale,…CALO无疑是PAL中更核心的部分美国的PAL计划:CALO子计划(1)美国的PAL计划:CALO子计划(2)目标:“thenameCALOwasinspiredbytheLatinword‘calonis’,whichmeans‘soldier’sassistant’”“theCALOsoftware,whichwilllearnbyworkingwithandbeingadvisedbyitsusers,willhandleabr

6、oadrangeofinterrelateddecision-makingtasks…Itwillhavethecapabilitytoengageinandcarryoutroutinetasks,andtoassistwhentheunexpectedhappens”从CALO的目标来看,DARPA已经开始把机器学习技术的重要性放到了国家安全的角度来考虑美国的PAL计划:CALO子计划(3)历史回顾(1)下述事件(大致)标志着机器学习正式成为一个学科1983年,R.S.Michalski等人撰写《机器学习:通往人工智能的途径》一书1986年,MachineLearning杂志创刊与人工

7、智能乃至计算机科学中很多其他分支学科相比,机器学习还非常年轻、很不成熟以TomMitchell的经典教科书(McGrawHill出版社,1997)为例,很难看到基础学科(例如数学、物理学)教科书中那种贯穿始终的体系,也许会让人感到这不过是不同方法和技术的堆砌从主要范式的发展可以看出,ML实际上是一个应用驱动的学科,其根本的驱动力是“更多、更好地解决实际问题”由于近20年的飞速发展,机器学习已经具备了一定的解决实际问题的能

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。