機(jī)器學(xué)習(xí)研究進(jìn)展-資料下載頁
2025-08-23 10:15本頁面
【導(dǎo)讀】Dietterich將感知機(jī)類的連接機(jī)器學(xué)習(xí)分。“適應(yīng)性”是控制理論中最重要的概念。1975年，Holland首先將這個(gè)概念引入。這樣，遺傳學(xué)習(xí)成為實(shí)現(xiàn)增強(qiáng)機(jī)器學(xué)習(xí)。盡管經(jīng)過十年，符號(hào)機(jī)器學(xué)習(xí)被保留，然。改變泛化目標(biāo)為符號(hào)描述。分析機(jī)器學(xué)習(xí)所包含的類比、解釋等問。由于真實(shí)世界的問題十分困難，現(xiàn)有的理。具體地說，從AI中以“學(xué)。目前，統(tǒng)計(jì)機(jī)器學(xué)習(xí)的研究主要集。對(duì)給定樣本集合，通過算法建立模型，Hilbert空間是VonNeumman為量子力。在機(jī)器學(xué)習(xí)中借助Hilbert空間構(gòu)成特征。將線性不可分問題變?yōu)榫€性可分問題的。特征空間的基可以采用多項(xiàng)式基或三角。與神經(jīng)網(wǎng)絡(luò)相比，核函數(shù)的選擇可以借。使用樣本集合的邊緣刻畫。這個(gè)不等式依賴于邊緣M。假設(shè)信息加工是由神經(jīng)集合體來完成。在數(shù)學(xué)上，其本質(zhì)是放棄感知機(jī)對(duì)樣本空。集成機(jī)器學(xué)習(xí)的研究還存在著大量未解
【正文】 與發(fā)現(xiàn)的開始 37 增強(qiáng)機(jī)器學(xué)習(xí) ? 增強(qiáng)機(jī)器學(xué)習(xí)最早提出是考慮“從變化環(huán)境中”學(xué)習(xí)蘊(yùn)含在環(huán)境中知識(shí)，其本質(zhì)是對(duì)環(huán)境的適應(yīng) ? 開始的動(dòng)機(jī)主要是為了解決機(jī)器人規(guī)劃、避障與在環(huán)境中適應(yīng)的學(xué)習(xí)問題 ? 目前，由于網(wǎng)絡(luò)用戶是更為復(fù)雜的環(huán)境，例如，如何使搜索引擎適應(yīng)用戶的需求，成為更為重要的應(yīng)用領(lǐng)域 38 流形機(jī)器學(xué)習(xí) ? 很多問題的表示方法，使得信息十分稀疏，如何將信息稠密化是一個(gè)困難的問題（“維數(shù)災(zāi)難”），主成分分析是一種方法，但是，只對(duì)線性情況有效 ? 流形學(xué)習(xí)是解決上述問題的非線性方法 ? 由于流形的本質(zhì)是分段線性化，因此，流形學(xué)習(xí)需要解決計(jì)算開集、設(shè)計(jì)同胚映射等問題 39 半監(jiān)督機(jī)器學(xué)習(xí) ? 在觀測(cè)數(shù)據(jù)中，可能有很多觀測(cè)不能決定其類別標(biāo)號(hào)。這需要根據(jù)數(shù)據(jù)中已知類別標(biāo)號(hào)的樣本與領(lǐng)域知識(shí)來推測(cè)這些樣本的類別標(biāo)號(hào)，并建立問題世界的模型，這就是半監(jiān)督學(xué)習(xí) ? 這類問題直接來自于實(shí)際應(yīng)用： 例如，大量醫(yī)學(xué)影像，醫(yī)生把每張片子上的每個(gè)病灶都標(biāo)出來再進(jìn)行學(xué)習(xí)，是不可能的，能否只標(biāo)一部分，并且還能利用未標(biāo)的部分？ 40 多示例機(jī)器學(xué)習(xí) ? 傳統(tǒng)的機(jī)器學(xué)習(xí)中，一個(gè)對(duì)象有一個(gè)描述，而在一些實(shí)際問題中，一個(gè)對(duì)象可能同時(shí)有多個(gè)描述，到底哪個(gè)描述是決定對(duì)象性質(zhì) (例如類別 )的，卻并不知道。解決這種“對(duì)象：描述：類別”之間 1:N:1關(guān)系的學(xué)習(xí)就是多示例學(xué)習(xí) 41 Ranking機(jī)器學(xué)習(xí) ? 其原始說法是 learning for ranking ? 問題主要來自信息檢索，假設(shè)用戶的需求不能簡單地表示為“喜歡”或“不喜歡”，而需要將“喜歡”表示為一個(gè)順序，問題是如何通過學(xué)習(xí)，獲得關(guān)于這個(gè)“喜歡”順序的模型。 42 數(shù)據(jù)流機(jī)器學(xué)習(xí) ? 在網(wǎng)絡(luò)數(shù)據(jù)分析與處理中，有一類問題，從一個(gè)用戶節(jié)點(diǎn)上流過的數(shù)據(jù)，大多數(shù)是無意義的，由于數(shù)據(jù)量極大，不能全部存儲(chǔ)，因此，只能簡單判斷流過的文件是否有用，而無法細(xì)致分析 ? 如何學(xué)習(xí)一個(gè)模型可以完成這個(gè)任務(wù)，同時(shí)可以增量學(xué)習(xí)，以保證可以從數(shù)據(jù)流中不斷改善 (或適應(yīng) )用戶需求的模型 43 研究現(xiàn)狀 ? 上述的五類機(jī)器學(xué)習(xí)范式還處于實(shí)驗(yàn)觀察階段，沒有堅(jiān)實(shí)的理論基礎(chǔ)！ ? 這些范式主要以任務(wù)為驅(qū)動(dòng)力，大多數(shù)采用的方法是傳統(tǒng)機(jī)器學(xué)習(xí)的方法 ? 應(yīng)用效果還不十分明顯 44 總結(jié) ? 目前，我們所面臨的問題是：數(shù)據(jù)復(fù)雜，需求多樣。這要求： (1) 需要考慮科學(xué)原理解決表示問題，特別需要借用近代數(shù)學(xué)的研究結(jié)果，“拍腦袋式”研究的時(shí)代可能已經(jīng)過去 (2) 一種范式獨(dú)步天下的時(shí)代已經(jīng)過去，進(jìn)入“多極世界” 時(shí)代 (3) 應(yīng)用驅(qū)動(dòng)成為必然，這意味著，任何方法需要在應(yīng)用中檢驗(yàn) 45 謝 謝
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1