人工智能計算智能和機器學習(文件)
【正文】 優(yōu)先問題解決方法（桉）的人工智能技術。 第六講 計算智能概論 ? 計算智能算法 粒子群優(yōu)化 (Particle Swarm Optimization, PSO) 又稱微粒群算法，是由 J. Kennedy和 R. C. Eberhart等于 1995年開發(fā)的一種演化計算技術，來源于對一個簡化社會模型的模擬。 Minsky (1985)：學習是在我們頭腦中（心里內部）進行有用的變化。環(huán)境向系統(tǒng)的學習部分提供某些信息，學習部分利用這些信息修改知識庫，以增進系統(tǒng)執(zhí)行部分完成任務的效能，執(zhí)行部分根據(jù)知識庫完成任務，同時把獲得的信息反饋給學習部分。實際上每臺計算機都可以看作是機械學習（記憶學習 ),因為它們都存貯用戶送入的程序。學習環(huán)節(jié)把較高水平的知識變換為較低水平的知識。 ? 機器學習方法簡介 第七講 機器學習概論 演繹學習 在演繹學習中，學習系統(tǒng)由給定的知識進行演繹的保真推理，并存儲有用的結論。歸納學習可以分為以下實例學習、觀察與發(fā)現(xiàn)學習。刺激反應式學習也是一種實例學習。 實例學習是由正反例學習，這些正反例是由施教者分類的。 ? 機器學習方法簡介 第七講 機器學習概論 類比學習 類比學習是演繹學習與歸納學習的組合。類比學習是由系統(tǒng)已有的某一領域知識得到另一領域中類似的知識。尋找公共子結構是歸納推理，而實現(xiàn)類比映射是演繹推理。觀察與發(fā)現(xiàn)學習是由未經(jīng)分類的觀察學習，或由系統(tǒng)自身的功能去發(fā)現(xiàn)。這類學習沒有實教者的學習幫助，它要產(chǎn)生解釋所有或大多數(shù)觀察的規(guī)律和規(guī)則。這些正反例是由信息源提供的，信息源可能是已經(jīng)知道概念的施教者，也可能是學生做實驗而系統(tǒng)從中得到反饋的環(huán)境。（ Michalski, 1983）演繹學習包括知識改造、知識編譯、產(chǎn)生宏操作、保持等價的操作和它保真變換。實用化主要有下列步驟：由傳授的信息推出結論，作出假設以補充一些細節(jié)和確定何時需要進一步傳授。 第七講 機器學習概論 傳授學習（指點學習） 在傳授學習中，學習環(huán)節(jié)進行的變換只是對施教者提供的信息進行選擇和改造，這主要是在語法層的
試題試卷相關推薦
鄂ICP備17016276號-1