当前课程知识点:人工智能 > 6.机器学习 > 6.4解释学习 > 6.4.2解释学习的基本原理
在此主要讨论米切尔等人提出的解释泛化学习方法。
其基本思想:先对某一情况建立一个解释结构,然后在对此解释结构进行概括,获取一般性控制知识。
其一般性描述为:
已知:目标概念GC(Goal Concept);
训练实例TE(Training Example);
领域理论DT(Domain Theory);
操作性标准OC(Operationality Criterion)。
求出:满足OC的关于GC的充分概念描述。
其中:目标概念GC 是要学习概念的描述;
训练实例TE 是为学习系统提供的一个实例;
领域理论DT 是相关领域的事实和规则,即为背景知识;
操作性标准OC 用于指导学习系统对用来描述目标的概念进行舍取等的控制性知识。
-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