我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:双彩网 > 知识操作化 >

机器学习_图文_百度文库

归档日期:06-23       文本归类:知识操作化      文章编辑:爱尚语录

  机器学习_计算机软件及应用_IT/计算机_专业资料。机器学习 概述 学习:人类的根本特征,没有统一的定义,通 常意义上包括获取新知识;更新陈旧知识;使 知识更加结构化。 ? 人类学习举例: ? 学会技能:婴儿走路;学习骑自行车。 提高精度:提高射

  机器学习 概述 学习:人类的根本特征,没有统一的定义,通 常意义上包括获取新知识;更新陈旧知识;使 知识更加结构化。 ? 人类学习举例: ? 学会技能:婴儿走路;学习骑自行车。 提高精度:提高射击精度;打高尔夫球。 提高速度和耐力:打字速度120个字/分钟; 能进行1000米自由泳。 增加知识:背诵5000个单词;学会各种算法。 机器学习 定义:计算机系统自动获取知识的过程。 ? 意义:1、机器学习是人工智能中最具智能特征 的、最前沿的研究领域之一。 2、机器学习克服了人类学习的缺陷: 时间漫长 计算速度慢 人的生命有限 资源耗费惊人 ? 机器学习的研究分类 在人工智能的范围内,符号机制和连接机制往 往是在对立中得到发展。机器学习也属于这个 范畴,实际上也存在着所谓符号逻辑方法和神 经网络方法两大流派。 ? 所谓神经网络方法,就是按照原样模仿脑的构 造,并且通过调整神经元结合加权这种形式, 构成实现学习机构的机器学习。 ? 所谓符号逻辑方法,则是将谓词逻辑和规则等 符号表示的知识学习。 ? 机器学习的发展阶段 早期阶段:以神经元网络为模型,这个阶段 的成果为模式识别打下了基础。 ? 符号概念的获取:模拟人在概念方面的学习 过程,机器内部以逻辑结构和图结构作为表 示方法;这一阶段认识到了知识的重要性。 ? 以大规模知识库为背景,研究领域也从学习 单个概念扩展到多个概念的学习,注意力放 在各种形式的学习方法,学习过程以大规模 知识库为基础。 ? 机器学习的模型 环境 学习环节 知识库 执行环节 ? ? ? ? 环境:系统所处理的对象,以及外界条件;高质量、高水平的 信息,将对学习系统获取知识的能力有很大影响。 知识库:理解环境提供的信息并进行处理,通过学习系统对其 进行完善;准则:表达能力强、推理难度小、修改容易、便于 扩充。 学习环节:将得到的信息(环境信息和执行环境反馈信息)进 行处理,改善知识库中的知识。 执行环节:利用知识库完成某种任务,对完成任务作出评价, 所得的评价信息反馈给学习环节。 机器学习的分类 ? 机械学习 ? 示教学习 ? 类比学习 ? 示例学习 机械学习-死记学习 基本的学习过程,只是把环境提供的知识存储起来, 以后的工作就是检索,不用再做任何形式的计算和 推导。 ? 机械学习是一种基本的学习过程,他没有足够的能 力独立完成智能学习,但对于任何学习系统而言都 是十分重要的底层部分。 ? 机械学习注意的问题: 1、存储组织:针对于检索,检索速度要快。 2、环境的稳定性和信息的实用性。 3、存储与计算的平衡:估算;选择忘却。 ? 示教学习-采纳建议学习 定义:执行过程中接受高水平的建议,难点 在于建议的可操作性问题。 ? 两个研究方向: ? 1、把高度抽象的建议转化为规则;完全可指令系 统,利用规则指导执行部分的动作。 2、研究复杂的工具,使得专家容易将抽象的知识 变为规则;基于知识的专家系统,人类专家成为学 习系统的组成部分,他的任务是发现并诊断错误、 修改并精练知识库。 示教学习的步骤 ? ? ? ? ? 请求:请求专家的建议,建议内容可以简单也可以非常复杂; 可以是完全被动的过程,也可以在出现问题的时候请教专家。 解释:把建议转化为及其内部表示。矛盾-专家利用自然语言表 达的流畅性和系统理解自然语言的限制。 操作化:专家建议通常是抽象的、一般性的,则专家的建议被 转化为内部表示以后仍可能无法执行,需要执行一些过程序列 将建议细化的过程。由于确切性的问题需要进行检测和调试。 综合:把知识添加到知识库中时必须考虑加入该知识是否合适。 叠加和矛盾问题,解决方法:规则特殊化;定义元规则。 评价:对新生成的知识进行评价,将有矛盾的知识找到。一般 的方法就是执行系统,看运行情况,评价自动反馈给第一步。 最为常用的评价方法就是使用系统解决实际问题,然后观察该 系统是否正常工作。 类比学习 ? 第一种:使用已有的知识对新知识进行类比学习。接 近于人类的学习方法,但是实现困难。 要求: 学习者必须知道用来与新事物类比的事物。 类比的事物具有相似的属性,属性的选择一定是最能反 映事物本质。 类比只有经过抽象以后的属性才能反映类比的本质。 ? 第二种:通过类比来学习解决问题的方法,如:类比 飞鸟发明飞机;类比鱼类发明潜艇。 示例学习 示例的类型:正例,反例。 ? 学习过程:从示例中归纳一个总的概念描述 使它适合于所有的正例且排除所有的反例。 ? 示例学习的基本模型:两空间模型,描述空 间模型,ID系列算法。 ? 两空间模型 ? ? 例子空间:我们向系统提供的训练例集合。 规则空间:事物所具有的某种规律。 选择例子 实例空间 规则空间 解释例子 根据规则空间中描述从例子空间中选择例子,通过对例子的解 释过程变活跃的例子为规则空间中的特定概念,利用规则指导 在例子空间中选择例子,学习过程是交替的进行例子空间的选 择和规则空间的修改。 两空间模型 例:取实例空间为所有的人。 正例集合为张衡、华罗庚、李四光、吴有 训、张光斗、,反例为马克思、罗斯福、 斯大林、丘吉尔。 学到的概念可以是中国人,或科学家,或 中国科学家等。而名人、已故名人、曾在 20世纪生活过的人等是不可能学到的。 学到的概念可能是不唯一的,除非正例集 和反例集加起来正好等于整个实例空间。 两空间模型 ? 描述 –例子空间的描述语言可以描述所有例子;规则空间的描述语 言可以描述所有规则。 –例如:纸牌, 同花5张 ? 正例:{(2, c), (3, c), (5, c), (J, c), (A, c)}, 其中c代表草花club ? 规则:描述一手牌的全部谓词表达式的集合。 符号: RANK(点数) , SUIT(花色) 常量:A, 2, 3, …, 10. J, Q, K, clubs(草花), diamonds(方块), hearts(红桃), spades(黑桃) 合取连接词∧ 所以有规则:对c1, c2, c3, c4, c5 SUIT(c1, x)∧SUIT(c2,x)∧SUIT(c3, x)∧SUIT(c4, x)∧SUIT(c5, x) 两空间模型 ? 例子空间 – 示教例子的质量:不能有错,同时提供正例和 反例,逐步分批由选择地送入。 – 选择的条件:最有力的划分规则空间;证实肯 定假设规则的集合;否定假设规则的集合。 两空间模型 ? 解释例子 –解释例子的目的是从例子中提出用于搜索空间 的信息。把示教例子变换成易于进行符号归纳 的形式。 (有时很难) –例如:Winston的积木世界中的“拱”的概念。 A B C 描述空间 根据概念的特殊性和一般性将概念表示为偏序集的形 式。偏序集极大元素是概念空间中最一般的点。偏序 集中的极小元素是概念空间中最具体的点,即示例。 ? 三个集合: H集:所有和当时得到的训练例相一致的概念的集合。 G集:H集最一般元素组成的集合。 S集:H集最特殊元素组成的集合。 ? 策略:找到一个规则覆盖所有正例,但不覆盖任何反 例。 ? H,G和S集合的关系 零描述 一般 G 概念空间 H S 特殊 训练例 描述空间算法描述 ? ? ? ? 初始化H为整个概念空间,G集合只包含零描述,S集合包含 概念空间中所有特殊概念。 接受一个新的训练例。 如果该训练例是正例,则从G中去掉所有不符合该例的概念, 然后更新S集合,尽可能小地对S进行一般化以覆盖这个新的 实例。 如果得到的训练例是反例,则首先从S中删去覆盖该反例的 概念,然后更新G集合,尽可能小地特殊化G中的元素,使 得他们不覆盖这个反例。 重复步骤2,直到G=S。 输出H,此时H中只包含一个元素,即为所学的概念。 示例:圆概念的学习 例子空间包含一组实体,每一个实体具有“大 小”和“形状”两个特征,其概念空间的偏序 集表示如下,要学习的概念为圆,即为(x,circle)。 示例:圆概念的学习 首先,将H初始化为整个概念空间G,S G={(x,y)} S={(small,square),(small,circle),(large,square),(large,circle)} 概念空间偏序集如下: (x,y) (small,y) (large,y) (x,square) (x,circle) (small,square) (small,circle) (large,square) (large,circle) 示例:圆概念的学习 首先提供一个正例(small,circle),使用步骤2对G,S进行更新, 从G中去掉所有不符合该例的概念,然后更新S集合,尽可能小 地对S进行一般化以覆盖这个新的实例。则: G={(x,y)} S={ (small,circle)} 概念空间偏序集如下: (small,y) (small,circle) (x,y) (x,circle) 示例:圆概念的学习 随后提供一个反例(large,square),使用步骤2对G,S进行更 新,从S中删去覆盖该反例的概念,然后更新G集合,尽可能 小地特殊化G中的元素,使得他们不覆盖这个反例。则: G={(small,y),(x,circle)} S={(small,circle)} 概念空间偏序集如下: (small,y) (x,circle) (small,circle) 示例:圆概念的学习 最后提供一个正例(large,circle),使用步骤2对G,S进 行更新,从G中去掉所有不符合该例的概念,然后更新 S集合,尽可能小地对S进行一般化以覆盖这个新的实 例。 G={(x,circle)} S={(x,circle)} 最后得到学习的结果(x,circle)。

本文链接:http://weblodge.net/zhishicaozuohua/73.html