人工智能8-9章-資料下載頁
2025-02-20 15:21本頁面
【正文】 據(jù)目標框架對侯選槽進行篩選 ?選擇那些在目標框架中還未填值的槽。 ?選擇那些在目標框架中為典型事例的槽。 ?選擇那些與目標框架有緊密關系的槽，或者與目標框架的槽類似的槽。 轉換類比學習。 第 9章 機器學習 示例學習（實例學習） 從若干實例（包括正例和反例）中歸納出一般概念或規(guī)則的學習方法。 示例學習的學習模型 驗證 示例空間 搜索 解釋 形成知識 知識庫 第 9章 機器學習 從示例空間（環(huán)境）中選擇合適的訓練示例，然后經解釋歸納出一般性的知識，最后再從示例空間中選擇更多的示例對它進行驗證，直到得到可實用的知識為止。 形成知識的方法 （ 1）、變量代換常量 例。示例 1：花色（ c1，梅花） ?花色（ c2，梅花）?花色（ c3，梅花） ?花色（ c4，梅花） ?同花（ c1,c2,c3,c4） 第 9章 機器學習 示例 2：花色（ c1，紅桃） ?花色（ c2，紅桃） ?花色（ c3，紅桃） ?花色（ c4，紅桃） ?同花（ c1,c2,c3,c4） 只需把“梅花”，“紅桃”用變量 x替換，就可得到一般性的知識： 花色（ c1， x） ?花色（ c2， x） ?花色（ c3， x） ?花色（ c4， x） ?同花（ c1,c2,c3,c4） 第 9章 機器學習 （ 2）、舍去條件； （ 3）、增加操作； （ 4）、合取變析?。? （ 5）、歸結歸納 （ 6）、曲線擬合 第 9章 機器學習 觀察與發(fā)現(xiàn)學習 觀察學習。將已知事例進行分類，產生每一類的一般概念描述的學習方式。 ? 概念聚類。對已知事例分類，產生每一類概念的描述，然后再用該概念描述指導下一步的分類，反復循環(huán)直到得到滿意結果。 機器發(fā)現(xiàn)。從觀察的事例或經驗數(shù)據(jù)中進行歸納產生規(guī)律或規(guī)則。經驗發(fā)現(xiàn)：從經驗數(shù)據(jù)中發(fā)現(xiàn)規(guī)律和定律；知識發(fā)現(xiàn)：從已觀察的事例中發(fā)現(xiàn)新的知識。 第 9章 機器學習 解釋學習 只用一個實例，運用領域知識，經過對實例的詳細分析，構造解釋結構，然后對解釋進行推廣得到一般性描述。 解釋學習的框架描述。 給定：領域知識 DT, 目標概念 TC, 訓練實例 TE, 操作性準則 OC. 找出：滿足 OC的關于 TC的充分條件。 第 9章 機器學習 解釋學習與示例學習的區(qū)別 示例學習中要求輸入一組實例；而解釋學習只要求輸入一個實例。 示例學習的學習方法為歸納，不要求提供領域知識；而解釋學習要求提供完善的領域知識，學習方法主要是演繹。 示例學習側重于概念的獲取；而解釋學習側重于技能提高，通過學習把非操作性的知識轉換為可操作的形式化知識。 第 9章 機器學習 解釋學習的過程 構造解釋 ?證明提供給系統(tǒng)的訓練實例為什么是滿足目標概念的一個實例。證明的過程是通過運用領域知識進行演繹實現(xiàn)的，證明的結果得到一個解釋結構。 對解釋按照操作性準則進行推廣 (泛化），從而得到關于目標概念的學習描述。也稱為基于解釋的泛化 (EBG) 第 9章 機器學習 一個解釋學習的例 要學習的目標概念為：“一個物體（ Obj1)可以安全地放置在另一個物體（ Obj2)上”，即 SafeToStack(Obj1,Obj2) 訓練實例為： On(Obj1,Obj2) Isa(Obj1,bookAI) Isa(Obj2,tablebook) Volume (Obj1, 1) Density(Obj1,) 第 9章 機器學習 領域知識為 ),(),(),(),()15,(),(),(),(),(),(),(),(),()(21212211 ppLighte rwwSmall erwpWeightwpWeightpWeightboo ktab lepIsawpWeightwdvdpDensit yvpVolumeyxSta ckToSaf eyxLighe ryxSta ckToSaf eyFragi le???????????????? 第 9章 機器學習 SafeToStack(Obj1,Obj2)的 解釋結構為 SafeToStack(Obj1,Obj2) Lighter(Obj1,Obj2) Weight(Obj1,) Weight(Obj2,15) Smaller(,15) Isa(Obj2,tablebook) Volume(Obj1,1) Density(Obj1,) *(1,) 第 9章 機器學習 SafeToStack(O1,O2) 解釋的泛化 SafeToStack(O1,O2) Lighter(O1,O2) Weight(O1,w1) Weight(O2,15) Smaller(w1,15) Isa(O2,tablebook) Volume(O1,v1) Density(O1,d1) *(v1,d1,w1) 第 9章 機器學習 EBG通常是把常量替換為變量，并把某些不重要的信息去掉。 演講完畢，謝謝觀看！
試題試卷相關推薦
鄂ICP備17016276號-1