機器學習研究回顧與趨勢(專業(yè)版)
【正文】 ? 領(lǐng)域知識與數(shù)據(jù)分析不可避免。 ? 傳統(tǒng)領(lǐng)域借用機器學習提高研究水平。 ? 數(shù)學填充了神經(jīng)科學和認知科學與計算之間的溝塹。 ? 例外分析： Shapard and Nosofsky的認知研究 +符號機器學習 10 機器學習存在的理論問題 ? 統(tǒng)計類機器學習需要滿足獨立同分布條件，嚴厲！ ? 尋找問題線性表示的空間，沒有一般的原則。 ? 不能解決的問題遠遠大于能夠解決問題，因此， AI有存在的必要性。 7 傳統(tǒng)領(lǐng)域借用機器學習提高研究水平 ? 文本與圖像占信息的絕大數(shù)，近幾年， ? 模式識別最引人注目的是機器學習在這個領(lǐng)域扮演日益重要的角色。 ? Samuel將學習限制在結(jié)構(gòu)化數(shù)據(jù)，由此，學習演變?yōu)榧s簡算法，這是現(xiàn)代符號機器學習的基礎(chǔ)。 ? 這些問題大多數(shù)沒有堅實的理論基礎(chǔ)，
教學課件相關(guān)推薦
鄂ICP備17016276號-1