人工智能第7章机器学习.pptx

第7章 机器学习;7.1.1 学习和机器学习

1. 学习的概念;7.1.1 学习和机器学习

2. 机器学习的概念; 神经元模型研究 20世纪50年代中期到60年代初期，也被称为机器学习的热烈时期，最具有代表性的工作是罗森勃拉特1957年提出的感知器模型。 符号概念获取 20世纪60年代中期到70年代初期。其主要研究目标是模拟人类的概念学习过程。这一阶段神经学习落入低谷，称为机器学习的冷静时期。 知识强化学习 20世纪70年代中期到80年代初期。人们开始把机器学习与各种实际应用相结合，尤其是专家系统在知识获取方面的需求，也有人称这一阶段为机器学习的复兴时期。 连接学习和混合型学习 20世纪80年代中期至今。把符号学习和连接学习结合起来的混合型学习系统研究已成为机器学习研究的一个新的热点。;7.1.3 学习系统;7.1.4 机器学习的主要策略;第7章 机器学习;7.2 记忆学习

概 念; 若把执行元素比作一个函数f ，由环境得到的输入模式记为(x1,x2,…,xn)，由该输入模式经F计算后得到的输出模式记为(y1,y2,…,ym)，则机械学习系统就是要把这一输入输出模式对： [(x1,x2,…,xn) ，(y1,y2,…,ym)]

保存在知识库中，当以后再需要计算f(x1,x2,…,xn)时，就可以直接从存储器把(y1,y2,…,ym)检索出来，而不需要再重新进行计算。 ;7.3 归纳学习; 按例子的来源分类 ① 例子来源于教师的示例学习 ② 例子来源于学习者本身的示例学习 学习者明确知道自己的状态，但完全不清楚所要获取的概念。 ③ 例子来源于学习者以外的外部环境的示例学习 例子的产生是随机的。 按例子的类型分类 ① 仅利用正例的示例学习 这种学习方法会使推出的概念的外延扩大化。 ② 利用正例和反例的示例学习 这是示例学习的一种典型方式，它用正例用来产生概念，用反例用来防止概念