人工智能之機器學習

1、人工智能之機器學習第1頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院機器學習的定義和發(fā)展歷史 機器學習的定義機器學習 機器學習是研究如何使用機器來模擬人類學習活動的一門學科。稍為嚴格的提法是：機器學習 機器學習是一門研究機器獲取新知識和新技能，并識別現有知識 的學問。機器學習的發(fā)展分為四個時期 第一階段是在 第一階段是在50 年代中葉到 60年代中葉，屬于熱烈時期。第二階段在 60年代中葉至 70年代中葉，被稱為機器學習的 冷靜時期。第三階段從 70年代中葉至 80年代中葉，稱為復興時期 。1986 年之后，機器學習的研究進入理性的發(fā)展時期。第2頁，共18頁，202

2、2年，5月20日，10點54分，星期日計算機與控制學院機器學習的目前狀況 機器學習進入新階段的表現機器學習已成為新的邊緣學科并在高校形成課程。綜合各種學習方法機器學習與人工智能問題的統一性觀點正在形成。各種學習方法的應用范圍不斷擴大。數據挖掘和知識發(fā)現的研究已形成熱潮 。與機器學習有關的學術活動空前活躍 。第3頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院主要策略和基本結構 機器學習的主要策略按照學習中使用推理的多少，機器學習所采用的策略大體上可分為四種 機械學習傳授學習策略類比學習系統 通過事例學習策略學習系統的基本結構第4頁，共18頁，2022年，5月20日，1

3、0點54分，星期日計算機與控制學院影響學習系統設計的要素 首要因素影響學習系統設計的最重要因素是環(huán)境向系統提供的信息，或者更具體地說是信息的質量。次要因素知識庫是影響學習系統設計的第二個因素。 知識的表示主要有以下幾種形式： 特征向量一階邏輯語句 產生式規(guī)則 語義網絡和框架第5頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院機械學習 機械學習模式機械學習是機器學習是最簡單的學習方法。機械學習就是記憶，即把新的知識存儲起來，供需要時檢索調用，而不需要計算和推理。它是一種最基本的學習過程。Lenat ，Hayes-Roth ，和Klahr 等人于1979年關于機械學習提出

4、一種有趣的觀點。第6頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院機械學習的主要問題存儲組織信息要采用適當的存儲方式，使檢索速度盡可能地快。環(huán)境的穩(wěn)定性與存儲信息的適用性問題機械學習系統必須保證所保存的信息適應于外界環(huán)境變化的需要。存儲與計算之間的權衡對于機械學習來說很重要的一點是它不能降低系統的效率。第7頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院歸納學習Induction Learning歸納學習的概念是應用歸納推理進行學習的一種方法。根據歸納學習有無教師指導，可把它分為示例學習和觀察與發(fā)現學習。歸納學習的模式第8頁，共18頁，20

5、22年，5月20日，10點54分，星期日計算機與控制學院類比學習Learning by Analogy類比推理和類比學習方式類比學習就是通過類比，即通過對相似事物加以比較所進行的一種學習 。其推理過程如下 ： 回憶與聯想- 選擇 - 建立對應關系 - 轉換第9頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院類比學習過程與研究類型類比學習主要包括如下四個過程：1.輸入一組已知條件和一組未完全確定的條件 。2.對兩組出入條件尋找其可類比的對應關系。3.根據相似轉換的方法，進行映射。4.對類推得到的知識進行校驗。類比學習的研究可分為兩大類：1.問題求解型的類比學習2.預測推

6、定型的類比學習。兩種方式：一是傳統的類比法；另一是因果關系型的類比第10頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院解釋學習解釋學習過程和算法1986年米切爾（Mitchell）等人為基于解釋的學習提出了一個統一的算法EBG（基于解釋的泛化）。該算法建立了基于解釋的概括過程，并運用知識邏輯表示和演繹推理進行問題求解。第11頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院EBG 求解問題的形式給定：1.目標概念描述TC ；2.訓練實例TE；3.領域知識DT ；4.操作準則OC 。求解：訓練實例的一般化概括，使之滿足：1.目標概念的充分概括描

7、述TC2.操作準則OC 。第12頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院神經學習 基于反向傳播網絡的學習反向傳播（back-propagation，BP）算法是一種計算單個權值變化引起網絡性能變化值的較為簡單的方法。BP算法過程包含從輸出節(jié)點開始，反向地向第一隱含層傳播由總誤差引起的權值修正?；贖opfield網絡的學習反饋神經網絡，它是一種動態(tài)反饋系統，比前饋網絡具有更強的計算能力。Hopfield網絡是一種具有正反相輸出的帶反饋人工神經元。第13頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院知識發(fā)現知識發(fā)現的發(fā)展和定義知識發(fā)現

8、的產生和發(fā)展知識發(fā)現最早是于1989年8 月在第11屆國際人工智能聯合會議的專題討論會上提出。知識發(fā)現的定義數據庫中的知識發(fā)現是從大量數 據中辨識出有效的、新穎的、潛在有用的、并可被理解的 模式的高級處理過程。第14頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院知識發(fā)現的處理過程1.數據選擇根據用戶的需求從數據庫中提取與KDD 相關的數據。2.數據預處理主要是對上述數據進行再加工，檢查數據的完整性及數據的一致性，對丟失的數據利用統計方法進行填補，形成發(fā)掘數據庫。3.數據變換即從發(fā)掘數據庫里選擇數據4.數據挖掘根據用戶要求，確定KDD 的目標是發(fā)現何種類型的知識。5.

9、知識評價這一過程主要用于對所獲得的規(guī)則進行價值評定，以決定所得的規(guī)則是否存入基礎知識庫。第15頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院知識發(fā)現的方法統計方法統計方法是從事物的外在數量上的表現去推斷該事物可能的規(guī)律性。機器學習方法神經計算方法可視化方法可視化（ visualization）就是把數據、信息和知識轉化為可視的表示形式的過程。第16頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院知識發(fā)現的應用知識發(fā)現已在許多領域得到應用。現在，知識發(fā)現已在銀行業(yè)、保險業(yè)、零售業(yè)、醫(yī)療保健、工程和制造業(yè)、科學研究、衛(wèi)星觀察和娛樂業(yè)等行業(yè)和部門得到成功應用，為人們的科學決策提供很大幫助。第17頁，共18頁，2022年，5月20日，10點54分，星期日計算機與控制學院本講內容小結 本講只對機器學習作個入門