机器学习2文档格式.docx
- 文档编号:13094999
- 上传时间:2022-10-04
- 格式:DOCX
- 页数:5
- 大小:18.41KB
机器学习2文档格式.docx
《机器学习2文档格式.docx》由会员分享,可在线阅读,更多相关《机器学习2文档格式.docx(5页珍藏版)》请在冰豆网上搜索。
其中尤其典型的是专家系统中的知识获取瓶颈问题,人们一直在努力试图采用机器学习的方法加以克服。
机器学习的研究是根据生理学、认知科学等对人类学习机理的了解,建立人类学习过程的计算模型或认识模型,发展各种学习理论和学习方法,研究通用的学习算法并进行理论上的分析,建立面向任务的具有特定应用的学习系统。
这些研究目标相互影响相互促进。
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,
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;
现在是电子计算机,以后还可能是中子计算机、光子计算机或神经计算机等等
机器能否象人类一样能具有学习能力呢?
1959年美国的塞缪尔(Samuel)设计了一个跳棋
程序,这个程序具有学习能力,它可以在不断的对弈中改善自己的棋艺。
4年后,这个程序战胜了设计者本人。
又过了3年,这个程序战胜了美国一个保持8年之久
的常胜不败的冠军。
这个程序向人们展示了机器学习的能力,提出了许多令人深思的社会问题与哲学问题。
机器的能力是否能超过人的,很多持否定意见的人的一个主要论据是:
机器是人造的,其性能和动作
完全是由设计者规定的,因此无论如何其能力也不会超过设计者本人。
这种意见对不具备学习能力的机器来说的确是对的,可是对具备学习能力的机器就值得考虑
了,因为这种机器的能力在应用中不断地提高,过一段时间之后,设计者本人也不知它的能力到了何种水平。
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,属于探索时期。
第二阶段是在60年代中叶至70年代中叶,被称为机器学习的发展时期。
第三阶段是从70年代中叶至80年代中叶,称为繁荣时期。
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、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在企业的智能管理与智能机器人运动规划中发挥作用。
学习是一项复杂的智能活动,学习过程与推理过程是紧密相连的,按照学习中使用推理的多少,机器学习所采用的策略大体上可分为4种——机械学习、通过传授学习、类比学习和通过事例学习。
学习中所用的推理越多,系统的能力越强。
环境向系统的学习部分提供某些信息,学习部分利用这些信息修改知识库,以增进系统执行部分完成任务的效能,执行部分根据知识库
完成任务,同时把获得的信息反馈给学习部分。
在具体的应用中,环境,知识库和执行部分决定了具体的工作内容,学习部分所需要解决的问题完全由上述3部分确
定。
下面我们分别叙述这3部分对设计学习系统的影响。
影响学习系统设计的最重要的因素是环境向系统提供的信息。
或者更具体地说是信息的质量。
知识库
里存放的是指导执行部分动作的一般原则,但环境向学习系统提供的信息却是各种各样的。
如果信息的质量比较高,与一般原则的差别比较小,则学习部分比较容易
处理。
如果向学习系统提供的是杂乱无章的指导执行具体动作的具体信息,则学习系统需要在获得足够数据之后,删除不必要的细节,进行总结推广,形成指导动作
的一般原则,放入知识库,这样学习部分的任务就比较繁重,设计起来也较为困难。
因为学习系统获得的信息往往是不完全的,所以学习系统所进行的推理并不完全是可靠的,它总结出来的规则可能正确,也可能不正确。
这要通过执行效果加以检验。
正确的规则能使系统的效能提高,应予保留;
不正确的规则应予修改或从数据库中删除。
知识库是影响学习系统设计的
第二个因素。
知识的表示有多种形式,比如特征向量、一阶逻辑语句、产生式规则、语义网络和框架等等。
这些表示方式各有其特点,在选择表示方式时要兼顾以下4个方面:
(1)表达能力强。
(2)易于推理。
(3)容易修改知识库。
(4)知识表示易于扩展。
对于知识库最后需要说明的一个问题是学习系统不能在全然没有任何知识的情况下凭空获取知识,每一个学习系统都要求具有某些知识理解环境提供的信息,分析比较,做出假设,检验并修改这些假设。
因此,更确切地说,学习系统是对现有知识的扩展和改进。
执行部分是整个学习系统的核心,因为执行部分的动作就是学习部分力求改进的动作。
同执行部分有关的问题有3个:
复杂性、反馈和透明性。
学习策略是指学习过程中系统所采用的推理策略。
一个学习系统总是由学习和环境两部分组成。
由环境(如书本或教师)提供信息,学习部分则实现信息转换,用
能够理解的形式记忆下来,并从中获取有用的信息。
在学习过程中,学生(学习部分)使用的推理越少,他对教师(环境)的依赖就越大,教师的负担也就越重。
学
习策略的分类标准就是根据学生实现信息转换所需的推理多少和难易程度来分类的,依从简单到复杂,从少到多的次序分为以下几种基本类型:
1
)机械学习
学习者无需任何推理或其它的知识转换,直接吸取环境所提供的信息。
如塞缪尔的跳棋程序,纽厄尔
和西蒙的LT系统。
这类学习系统主要考虑的是如何索引存贮的知识并加以利用。
系统的学习方法是直接通过事先编好、构造好的程序来学习,学习者不作任何工
作,或者是通过直接接收既定的事实和数据进行学习,对输入信息不作任何的推理。
2
)示教学习
学生从环境(教师或其它信息源如教科书等)获取信息,把知识转换成内部可使用的表示形式,并将
新的知识和原有知识有机地结合为一体。
所以要求学生有一定程度的推理能力,但环境仍要做大量的工作。
教师以某种形式提出和组织知识,以使学生拥有的知识可
以不断地增加。
这种学习方法和人类社会的学校教学方式相似,学习的任务就是建立一个系统,使它能接受教导和建议,并有效地存贮和应用学到的知识。
目前,不
少专家系统在建立知识库时使用这种方法去实现知识获取。
示教学习的一个典型应用例是FOO程序。
3)演绎学习
学生所用的推理形式为演绎推理。
推理从公理出发,经过逻辑变换推导出结论。
这种推理是"
保真"
变换和特化(specialization)的过程,使学生在推理过程中可以获取有用的知识。
这种学习方法包含宏操作(macro‐operation)
学习、知识编辑和组块(Chunking)技术。
演绎推理的逆过程是归纳推理。
4)类比学习
类比学习是获取新概念或新技巧的方法,它把类似这些新概念或新技巧的已知知识转换为适于新情况的形式。
类比学习的
第一步是从记忆中找到类似的概念或技巧,
第二步是把它们转换为新形式以便用于新情况。
例如人类的一种学习方式是先由老师教学生解例题(先例),再给学生留习题。
学生寻找在例题和习题间的对应关系,利用解决例题的知识去解决习题中的问题。
学生经过一般化归纳推出原理,以便以后使用。
这种类比学习方式是人类常用的。
问题求解基本过程:
1.比较新状态与目标状态。
2.选择可以减小这个差异的操作。
3.如果前提满足就使用这个操作,否则保存新状态,并用中间结局分析解决子问题,以便实现未满足的前提。
4.在解决子问题后,再取出保存的状态,继续处理原问题。
转换类比学习主要有两步:
(5)基于解释学习
解释学习起源于经验学习的研究。
50年代未,对神经元的模拟中发明了用一种符号来标记另一些符号的存储结构模型,这是早期的存储块(chunks)概念。
在象棋大师的头脑中就保存着在各种情况下对弈经验的存储块。
80年代初,Newell和Rosenbloom认为,通过获取任务环境中关于模型问题的知识,可以改进系统的性能,chunks可以作为对人类行为进行模拟的模型基础。
通过观察问题求解过程,获取经验chunks,用其代替各个子目标中的复杂过程,可以明显提高系统求解的速度。
由此奠定了经验学习的基础。
Mitchell等人把基于解释的学习过程定义为两个步骤:
通过求解一个例子来产生解释结构;
对该解释结构进行一般化,获取一般的控制规则。
人工智能一直处于计算机技术的前沿,其研究和发展在很大程度上决定着计算机技术乃至整个社会的发展。
而机器学习作为人工智能中极其重要的一环,正在迅猛的发展着,它使得计算机能够模拟人的学习行为,自动地通过学习获取知识和技能,不断改善性能,实现自我完善。
信息化的飞速发展给人工智能提出了更高的要求。
人工智能发展的曲折性还将继续,但其潜能却是无限的。
也许不远的将来,人们的生活方式将由于人工智能的发展而经历一场“革命”。
参考资料:
《人工智能导论》
机械工业出版社,鲍军鹏、张选平等编著。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 机器 学习