机器学习论文：浅谈机器学习

《机器学习论文：浅谈机器学习》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、机器学习论文：浅谈机器学习[摘要]学习是人类智能的主要标志和获得智慧的基本手段，机器学习的研究就是希望计算机能像人类那样具有从现实世界获取知识的能力，同时进一步发现人类学习的机理和揭示人脑的奥秘。机器学习是人工智能的一个重要的研究领域。[关键词]机器学习遗传算法人工神经网络支持向量机当前人工智能研究的主要障碍和发展方向之一就是机器学习。包括学习的计算理论和构造学习系统。机器学习与计算机科学、心理学、认知科学等都有着密切的联系，涉猎的面比较广，有许多理论及技术上的问题尚处于研究之中。一、什么是机器学习机器学

2、习就是要使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，重新组织已有的知识结构，不断改善自身的性能，实现自我完善。即机器学习研究的就是如何使机器通过识别和利用现有知识来获取新知识和新技能。它是人工智能的核心，是使计算机具有智能的根本途径。该门科学起源于心理学、生理学、生物学、医学等科学，研究发展过程中涉及到数学、物理学、计算机科学等领域。机器学习主要围绕学习机理、学习方法、面向任务这三个方面进行研究，其应用几乎遍及自然科学的各个领域。其中最多的是模式识别、通讯、控制、信号处理等方面。二、机器学习

3、系统学习是建立理论、形成假设和进行归纳推理的过程。为使计算机系统具有某种程度的学习能力，使它能够通过学习获取新知识，以改善性能，提高智能水平，需要建立相应的学习系统。学习系统一般由环境、学习环节、知识库、执行与评价组成，整个过程包括信息的存储、知识的处理两大部分。机器学习系统模型如图1所示。图1机器学习模型框架图中的箭头表示知识的流向；环境是指外部信息源；学习环节是指系统通过对环境的搜索获取外部信息，然后经过分析、综合、类比、归纳等思维过程获得知识并将获得知识存入知识库；知识库用于存储由学习得到的知识，在

4、存储时要进行适当的组织，使它既便于应用又便于维护；执行部分用于处理系统面临的现实问题，即应用学习到的知识求解问题。另外从执行到学习必须有反馈信息，学习将根据反馈信息决定是否要进一步从环境中搜索信息进行学习，以修改、完善知识库中的知识。这是机器学习系统的一个重要特征。机器学习系统是对现有知识的扩展和改进。三、机器学习的主要策略学习是一项复杂的智能活动，学习过程与推理过程紧密相连。按照学习中使用的推理的多少，机器学习所采用的策略主要可分为机械学习、通过传授学习、类比学习和通过实例学习等。学习中所用的推理越多，

5、系统的能力越强。本文主要介绍以下三种机器学习方法，即遗传算法、人工神经网络模型及支持向量机。1、遗传算法遗传算法是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应的调整搜索方向，不需要确定的规则。由于遗传算法的整体搜索策略和优化搜索方法，在计算时是不依赖于梯度信息和其他辅助信息，而只需要影响搜索方向的目标函数和相应的

6、适应度函数，所以遗传算法提供了一种求解复杂问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性，所以广泛应用于自动控制、计算科学、工程设计、智能故障诊断、管理科学和社会科学等领域，适用于解决复杂的非线性和多维空间寻优问题。2、人工神经网络模型神经网络基本模型是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及功能的一种抽象数学模型（见图3）。图3神经网络基本模型一个人工神经网络是由大量神经元节点经广泛互连而组成的复杂网络拓扑，用于人类进行知识和信息表示、存储和计算行为。神经元模型如

7、图4所示。每一个细胞处于两种状态。突触联接有强度。多输入单输出。实质上传播的是脉冲信号，信号的强弱与脉冲频率成正比。在神经网络中，大量神经元的互连结构及各连接权值的分布就表示了学习所得到的特定要领和知识。在网络的使用过程中，对于特定的输入模式，神经网络通过向前计算，产生一个输出模式，并得到节点代表的逻辑概念，通过对输出信号的比较与分析可以得到特定解。神经元之间具有一定的冗余性，并且允许输入模式偏离学习样本，因此神经网络的计算行为具有良好的并行分布、容错和抗噪能力。神经网络模型包括前馈型网络、反馈型网络、自

8、组织竞争人工神经网络等。图4神经元模型（1）前馈型网络(bp)前馈型网络，最初称之为感知器（包括单层感知器和多层感知器），是应用最广泛的一种人工神经网络模型。前馈网络结构是分层的，信息只能从下一层单元传递到相应的上一层单元，上层单元与下层所有单元相联接。转移函数可以是线性阈值的。多层感知器也被称为bp网络。多层感知器的输入输出关系与单层感知器完全相同。前一层的输出是下一层的输入。（2）反馈型网络(hopfield)反馈型网络,