机器学习
学习能力是人类智能的根本特征,人类通过学习来提高和改进自己的能力。学习的基本机制是设法把在一种情况下是成功的表现行为转移到另一类似的新情况中去。1983年西蒙(H. Simon)对学习定义如下:能够让系统在执行同一任务或同类的另外一个任务时比前一次执行得更好的任何改变[119]。这个定义虽然简洁,却指出了设计学习程序要注意的问题。学习包括对经验的泛化:不仅是重复同一任务,而且是域中相似的任务都要执行得更好。因为感兴趣的领域可能很大,学习者通常只研究所有可能例子中的一小部分;从有限的经验中,学习者必须能够泛化并对域中未见的数据正确的推广。这是个归纳的问题,这是学习的中心问题。在大多数学习问题中,不管用哪种算法,能用的数据不足以保证最优的泛化。学习者必须启发式的泛化,也就是说,他们必须选取经验中对未来更为有效的部分。这样的选择标准就是归纳偏置。
从事专家系统研究的人们认为,学习就是知识获取。因为在专家系统的建造中,知识的自动获取是很困难的。所以知识获取似乎就是学习的本质。也有的观点认为,学习是对客观经验表示的构造或修改。客观经验包括对外界事物的感受,以及内部的思考过程,学习系统就是通过这种感受和内部的思考过程来获取对客观世界的认识。其核心问题就是对这种客观经验的表示形式进行构造或修改。从认识论的观点看,学习是事物规律的发现过程。这种观点将学习看做从感性知识到理性知识的认识过程,从表层知识到深层知识的范化过程,也就是说,学习是发现事物规律,上升形成理论的过程。
总结以上观点,可以认为学习是一个有特定目的的知识获取过程,通过获取知识、积累经验、发现规律,使系统性能得到改进、系统实现自我完善、自适应环境。下图给出了简单的学习模型。
参考文献
-史忠植. 高级人工智能(第二版). 科学出版社, 2006.
-史忠植,王文杰. 人工智能. 国防工业出版社, 2007. 请看第一章部分内容: 1 2 3 4 5 6 7 8 9
-George E Luger著. 史忠植, 张银奎, 赵志崑等译. 人工智能-复杂问题求解的结构和策略(第五版)机械工业出版社,2005..
-Russell S., Peter Norvig著. 姜哲,金奕江,张敏 等译. 人工智能——一种现代方法(第二版)北京:人民邮电出版社, 2004
-史忠植. 知识发现.清华大学出版社, 2001.
-史忠植. 神经计算.电子工业出版社.1993.
-叶世伟, 史忠植 译. 神经网络原理(Simon Haykin: Neural Networks) . 机械工业出版社,2004.
-蔡自兴,徐光佑,人工智能及其应用(第三版). 北京:清华大学出版社,2003年
CALO项目系统架构
附件下载: