AI7章 机器学习.ppt

AI7章 机器学习.ppt

ID:49110514

大小:294.00 KB

页数:62页

时间:2020-01-31

AI7章  机器学习.ppt_第1页
AI7章  机器学习.ppt_第2页
AI7章  机器学习.ppt_第3页
AI7章  机器学习.ppt_第4页
AI7章  机器学习.ppt_第5页
资源描述:

《AI7章 机器学习.ppt》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、第7章机器学习学习是人类获取知识的重要途径和自然智能的重要标志,机器学习则是机器获取知识的重要途径和人工智能的重要标志。7.1机器学习的基本概念7.1.1学习和机器学习7.1.2机器学习的发展过程7.1.3学习系统7.1.4机器学习的主要策略7.2记忆学习7.3归纳学习7.4解释学习7.5神经学习17.1.1学习和机器学习1.学习的概念代表性观点(1)西蒙(Simon,1983):学习就是系统中的适应性变化,这种变化使系统在重复同样工作或类似工作时,能够做得更好。(2)明斯基(Minsky,1985):学习是在人们头脑里(心理内部)有用的变化。(3)迈克

2、尔斯基(Michalski,1986):学习是对经历描述的建立和修改。一般性解释:学习是一个有特定目的知识获取和能力增长过程,其内在行为是获得知识、积累经验、发现规律等,其外部表现是改进性能、适应环境、实现自我完善等。27.1.1学习和机器学习2.机器学习的概念一般性解释机器学习就是让机器(计算机)来模拟和实现人类的学习功能。主要研究内容认知模拟主要目的是要通过对人类学习机理的研究和模拟,从根本上解决机器学习方面存在的种种问题。理论性分析主要目的是要从理论上探索各种可能的学习方法,并建立起独立于具体应用领域的学习算法。面向任务的研究主要目的是要根据特定任

3、务的要求,建立相应的学习系统。3神经元模型研究20世纪50年代中期到60年代初期,也被称为机器学习的热烈时期,最具有代表性的工作是罗森勃拉特1957年提出的感知器模型。符号概念获取20世纪60年代中期到70年代初期。其主要研究目标是模拟人类的概念学习过程。这一阶段神经学习落入低谷,称为机器学习的冷静时期。知识强化学习20世纪70年代中期到80年代初期。人们开始把机器学习与各种实际应用相结合,尤其是专家系统在知识获取方面的需求,也有人称这一阶段为机器学习的复兴时期。连接学习和混合型学习20世纪80年代中期至今。把符号学习和连接学习结合起来的混合型学习系统研

4、究已成为机器学习研究的一个新的热点。7.1.1学习和机器学习3.机器学习的发展过程47.1.3学习系统环境学习环节知识库执行环节环境是学习系统所感知到的外界信息集合,也是学习系统的外界来源。信息的水平(一般化程度)和质量(正确性)对学习系统影响较大。学习环节对环境提供的信息进行整理、分析归纳或类比,形成知识,并将其放入知识库。知识库存储经过加工后的信息(即知识)。其表示形式是否合适非常重要。执行环节根据知识库去执行一系列任务,并将执行结果或执行过程中获得的信息反馈给学习环节。学习环节再利用反馈信息对知识进行评价,进一步改善执行环节的行为。57.1.4机器

5、学习的主要策略按学习策略来分类即按学习中所使用的推理方法来分,可分为记忆学习、传授学习、演绎学习、归纳学习等。按应用领域分类专家系统学习、机器人学习、自然语言理解学习等。按对人类学习的模拟方式符号主义学习、连接主义学习等。6第7章机器学习7.1机器学习的基本概念7.2记忆学习7.3归纳学习7.4解释学习7.5神经学习77.2记忆学习概念记忆学习(Rotelearning)也叫死记硬背学习,是一种最基本的学习过程,它没有足够的能力独立完成智能学习,但对学习系统来说都是十分重要的一个组成部分,原因是任何学习系统都必须记住它们所获取的知识,以便将来使用。记忆学

6、习的基本过程是:执行元素每解决一个问题,系统就记住这个问题和它的解,当以后再遇到此类问题时,系统就不必重新进行计算,而可以直接找出原来的解去使用8若把执行元素比作一个函数f,由环境得到的输入模式记为(x1,x2,…,xn),由该输入模式经F计算后得到的输出模式记为(y1,y2,…,ym),则机械学习系统就是要把这一输入输出模式对:[(x1,x2,…,xn),(y1,y2,…,ym)]保存在知识库中,当以后再需要计算f(x1,x2,…,xn)时,就可以直接从存储器把(y1,y2,…,ym)检索出来,而不需要再重新进行计算。(x1,x2,…,xn)(y1,y

7、2,…,yn)[(x1,x2,…,xn),(y1,y2,…,yn)]f存储输入模式执行函数输出模式输入输出模式对机械式学习的学习模型7.2记忆学习模型97.3归纳学习归纳学习是指以归纳推理为基础的学习,其任务是要从关于某个概念的一系列已知的正例和反例中归纳出一个一般的概念描述。7.3.1示例学习是归纳学习的一种特例。它给学习者提供某一概念的一组正例和反例,学习者归纳出一个总的概念描述,并使这个描述适合于所有的正例,排除所有的反例。7.3.2决策树学习是一种以示例为基础的归纳学习方法,也是目前最流行的归纳学习方法之一。在现有的各种决策树学习算法中,影响较大

8、的是ID3算法。本节主要讨论决策树的概念和决策树学习的ID3算法。10按例子的来

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。