人工智能基础05--机器学习.ppt

《人工智能基础05--机器学习.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、目录第一章绪论第二章知识表示第三章　搜索技术第四章推理技术第五章　机器学习第六章　专家系统第七章自动规划系统第八章自然语言理解第九章智能控制第十章人工智能程序设计5.1机器学习概述学习的基本概念学习是人类具有的一种重要的智能行为。西蒙的观点：学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。1959年Samuel下棋程序，具有学习能力。4年后程序战胜了设计者，又3年后战胜了美国一个冠军。5.1机器学习概述机器学习的定义机器学习是研究如

2、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。5.1机器学习概述机器学习的发展机器学习是人工智能应用研究较为重要的分支，它的发展过程大体上可分为4个时期：（1）第一阶段是在50年代中叶到60年代中叶，属于热烈时期。在这个时期，所研究的是“没有知识”的学习，即“无知”学习；其研究目标是各类自组织系统和自适应系统；指导本阶段研究的理论基础是早在40年代就开始研究的神经网络模型。5.1机器学习概述（2）第二阶段在60年代中叶至70年代中叶，

3、被称为机器学习的冷静时期。本阶段的研究目标是模拟人类的概念学习过程，并采用逻辑结构或图结构作为机器内部描述。（3）第三阶段从70年代中叶至80年代中叶，称为复兴时期。在这个时期，人们从学习单个概念扩展到学习多个概念，探索不同的学习策略和各种学习方法。本阶段已开始把学习系统与各种应用结合起来。（4）机器学习的最新阶段始于1986年。一方面，由于神经网络研究的重新兴起，另一方面，对实验研究和应用研究得到前所未有的重视。5.1机器学习概述机器学习研究与应用的发展趋势（1）从有教师指导的归纳学习向无教师指导的发现学习

4、转变。以数据挖掘为核心技术的发现学习成为最有价值的机器学习技术。（2）从面向确定性环境的观察学习到面向不确定性环境的统计学习转变。概率理论和统计分析处理不确定问题。（3）从缺乏坚实理论的经验性学习到具有严密数学基础的学习理论转变。粗糙集和统计学习理论。5.2机器学习的主要策略和基本结构机器学习的主要策略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、示教学习、类比学习和示例学习。学习中所用的推理越多，系统的能力越强。（1）机械学习就是记忆，是最简单的学

5、习策略。这种学习策略不需要任何推理过程。（2）比机械学习更复杂一点的学习是示教学习策略。系统在接受外部知识时需要一点推理，翻译和转化工作。5.2机器学习的主要策略和基本结构（3）类比学习系统只能得到完成类似任务的有关因此，他比上述两种学习策略需要更多的推理。（4）采用示例学习策略的计算机系统，事先完全没有完成任务的任何规律性的信息，因此需要推理是最多的。5.2机器学习的主要策略和基本结构机器学习系统的基本结构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

6、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。环境学习知识库执行5.2机器学习的主要策略和基本结构影响学习系统设计的重要因素（1）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。整个过程要遵循“取之精华，弃之糟粕”的原则，同时谨记“实践是检验真理的唯一标准”。（2）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，在选择表示方式时要兼顾以下4个方面：表达能力强。所选择的表示方式

7、能很容易地表达有关的知识。易于推理。为了使学习系统的计算代价比较低，希望知识表示方式能使推理较为容易。5.2机器学习的主要策略和基本结构容易修改知识库。学习系统的本质要求它不断地修改自己的知识库，当推广得出一般执行规则后，要加到知识库中。知识表示易于扩展。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。5.3常见的几种学习方法5.3.1机械学习1.机械学习的模式机

8、械学习是最简单的机器学习方法。机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理。机械学习又是最基本的学习过程。任何学习系统都必须记住它们获取的知识。在机械学习系统中，知识的获取是以较为稳定和直接的方式进行的，不需要系统进行过多的加工。5.3常见的几种学习方法5.3.1机械学习2.数据化简Lenat,HayesRoth，和Klahr等人于1979年关于机械学习提出一种有趣的