当前课程知识点:人工智能 > 6.机器学习 > 6.1机器学习的基本概念 > 6.1.1学习和机器学习
1.学习的概念
代表性观点
(1) 西蒙(Simon,1983):学习就是系统中的适应性变化,这种变化使系统在重复同样工作或类似工作时,能够做得更好。
(2) 明斯基(Minsky,1985):学习是在人们头脑里(心理内部)有用的变化。
(3) 迈克尔斯基(Michalski,1986):学习是对经历描述的建立和修改。
一般性解释:
学习是一个有特定目的知识获取和能力增长过程,其内在行为是获得知识、积累经验、发现规律等,其外部表现是改进性能、适应环境、实现自我完善等。
2. 机器学习的概念
一般性解释
机器学习就是让机器(计算机)来模拟和实现人类的学习功能。
主要研究内容
认知模拟:主要目的是要通过对人类学习机理的研究和模拟,从根本上解决机器学习方面存在的种种问题。
理论性分析:主要目的是要从理论上探索各种可能的学习方法,并建立起独立于具体应用领域的学习算法。
面向任务的研究:主要目的是要根据特定任务的要求,建立相应的学习系统。
3.机器学习的发展过程
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。
-1.1人工智能的定义与发展
--人工智能的诞生
--定义
--发展
-1.2智能的本质
--人类智能
--人工的智能
-1.3人工智能各学派的认知观
--AI的萌芽
-1.4人工智能的研究与应用领域
--AI的研究范围
--AI在中国
-资源推荐
--有趣的资源
-章节习题
-2.1知识的基本概念
-2.2状态空间法
--习题
-2.3问题归约法
-2.4谓词逻辑法
-章节习题
-3.1图搜索策略
--图搜索策略概述
-3.2盲目搜索策略
-3.3启发式搜索策略
-3.4消解原理
-章节习题
-4.1概述
--计算智能定义
-4.2神经网络
-4.3进化计算
-4.4蚁群算法
-4.5模拟退火算法
-4.6博弈搜索策略
--教师讲解:博弈树
--教师讲解:剪枝
-章节习题
-5.1专家系统概述
-5.2专家系统结构
--5.4 黑板模型
-5.3专家系统的应用与发展概况
-5.4专家系统实例
-6.1机器学习的基本概念
-6.2记忆学习
-6.3归纳学习
-- 6.3.3决策树学习
-6.4解释学习
-6.5神经学习
-章节习题
-7.1自然语言理解概述
--7.1.1概述
-7.2词法分析
--词法分析
-7.3句法分析
-7.4 统计语言建模
-7.5信息检索