讨论课-机器学习.ppt

1、讨论课，机器学习，主要内容，1基本介绍2机器学习的定义和研究意义3机器学习的发展史4机器学习系统的基本结构5机器学习的分类6机器学习的应用领域，1基本介绍，学习能力是智能行为的非常重要的特征，但迄今为止对学习的反应历程还不清楚。 人们为学习赋予了各种各样的定义。 H.A.Simon认为，学习是系统的自适应变化，下一次完成相同的塔斯克或类似的塔斯克时，系统会更加有效。 R.s.Michalski认为学习是对经验的结构和修正的表现。 从事专门人才系统发展的人们认为学习是知识的获得。 这些个的观点各有侧重，第一观点强调学习的外部行为效果，第二观点强调学习的内部过程，第三观点主要从知识工程的实用性出发

2、。 1基本介绍机器学习在自动智能研究中有十分重要的地位没有学习能力的智能系统不能说是真正的智能系统，但在以往的智能系统中普遍缺乏学习能力。 例如，发生错误的时候不能自我修复没有经验性地改善自己的性能没有自动地获得必要的知识发现。 由于这些个的推论仅限于演绎，缺乏归纳，所以往往只能证明现有的事实、定理，不能发现新的定理、法则、规则等。 随着自动智能的发展，对这些个的限制越来越明显。 在这种情况下，机器学习成为自动智能研究的核心之一。 其应用广泛应用于自动智能的各个领域，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机械人等。 其中最典型的就是专家系统的知识获取瓶颈问题，一直在努力

3、用机器学习的方法来克服。 主要内容有： 2机器学习的定义和研究意义，学习是人类具有的重要智能行为，但学习有什么，有日子，诸说。 社会学家、逻辑学家、心理学家各有不同的看法。 同样，对于机器学习，至今没有统一的定义，很难给出公认的正确定义。 例如，Langley(1996 )定义的机器学习是“机器学习是自动智能的科学，这个领域的主要研究对象是自动智能，特别是在经验学习中如何改善具体的算法性能”。 Mitchell(1997 )在其萩作Machine Learning中定义了机器学习，说“机器学习是根据经验可以自动改善的补正机算法的研究”。 Alpaydin(2004 )向云同步提出了机器学习的定

4、义：“机器学习使用数据和过去的经验，优化计算机计程仪程序的性能标准。” 2机器学习的定义和研究意义必须定义机器学习，以估计讨论和学科进展。 即使它的定义是不完整和不一盏茶的。 顾名思义，机器学习是研究如何使用机器模拟人类学习活动的学科。 更严格的提法是机器学习是机器获得新知识和新技能，识别现有知识的学问。 这里所说的“机器”是指计算机，现在是电子订正计算机，今后也有可能是中子订正计算机、光子订正计算机、神经订正计算机等。 机器能像人一样具有学习能力吗？ 1959年，美国塞缪尔(Samuel )设计了国际象棋计程仪拉姆。 这个计程仪计划有学习能力，能够不断地在对奕中改善自己的棋艺。 4年后，这个

5、普计程仪计划战胜了设订者本主儿。 再过三年，这个普计程仪兰战胜了美国保持了8年的冠军。 这个计划向人们展示了机器学习的能力，提出了很多值得深思的社会问题和哲学问题。2机器学习的定义和研究意义、问题：机器的能力能超过人吗？持否定意见的很多人的主要论据之一是，机器是人造的，其性能和动作完全是由设订者规定的，所以无论如何其能力都不能超过设订者本主儿。 这种意见对没有学习能力的机器确实是正确的，但对有学习能力的机器来说是值得考虑的。 这是因为，该机器的能力在应用中不断提高，一旦有会儿，设订者本主儿也不知道其能力达到了哪个水平。 主要内容，3机器学习的发展史，第一阶段： 50年代中叶到六十年代中叶，高潮

6、期第二阶段：60年代中叶到70年代中叶，被称为机器学习的冷静期第三阶段：70年代中叶到80年代中叶，复兴期机器学习的最新阶段始于1986年，机器学习进入新阶段的重要表现3机器学习和自动智能的各种基础问题的统一性的观点正在形成。 4各种学习方法的应用范围扩大，一部分已经成为商品。 归纳学习的知识获取工具、诊断分类专家系统连接学习、语音文字识别分析学习、综合型专家系统遗传算法的设置修订、强化学习、通过工程控制与符号系统相结合的神经网络连接学习、企业智能管理和智能机械人运动修订版5和机器学习相关学术活动空前活跃。 主要内容，3机器学习的发展史，4机器学习系统的基本结构，学习行为的基本结构图，环境给系

7、统的学习部分提供了一些信息，学习部分利用这些个的信息修正知识库，增强了系统的执行部分完成任务的性能，执行部分根据知识库化学基完成任务，将云同步得到的信息反馈给学习部分。 在具体应用中，环境、知识库和执行部分确定具体的工作内容，学习部分要解决的问题由上述三部分完全决定。 分别阐述这些个3个部分对设定、修改学习系统的影响。 环境因素影响学习系统设置修订的最重要因素是环境为系统提供的信息。 更具体的是信息的质量。 知识库中存储着指导部分动作实行的一般原则，但环境提供给学习系统的信息是多种多样的。 如果信息质量比较高，与一般原则的差别比较小，学习部分就比较容易处理。 对学习系统进行具体操作的具体信息杂

8、乱指导后，学习系统得到一盏茶数据后，删除不必要的细节，归纳展开，形成指导操作的一般原则，进入知识库，学习部分的塔斯克很重，设定修改也很困难。 由于学习系统得到的信息大多不完整，所以学习系统进行的推论不完全可靠，它总结的规则可能正确，也可能不正确。 这个用执行效果来验证。 正确的规则必须提高和维护系统的性能。不正确的规则必须修正或从数据库中删除。 4机器学习系统的基本结构、知识库是影响学习系统设置修订的第二个因素。 知识的表现有特征向量、1次逻辑句、生成规则、语义网络、信息帧工作等各种各样的形式。 这些个的显示方式各有特点，在选择显示方式时，必须兼顾(1)显示能力强这4个方面。 (2)容易推论。

9、 (3)易于修改知识库。 (4)知识表示容易扩展。 对于知识库最后要说明的问题之一是，学习系统完全没有知识就不能随便获取知识，每个学习系统都要求有一定的知识来理解环境提供的信息，分析比较，建立假说，验证和修改这些假说。 因此，更确切地说，学习系统是对现有知识的扩展和改进。执行部是学习系统整体的核心，执行部的动作是学习部谋求改善的动作。 与执行部分有关的问题有复杂性、回种子文件、透明性三个。 主要内容是，基于4机器学习系统的基本构造，5机器学习分类，学习策略的分类学习策略，是学习过程中系统采用的推论策略。 一个学习系统总是由学习和环境两部分组成。 提供来自图书、人民教师等环境的信息，学习部分实现

10、信息转换，以能够理解的形式存储，从而获得有用的信息。 在学习过程中，学生(学习部分)使用的推论越少，对其他人民教师(环境)的依赖就越大，人民教师的负担也就越重。 学习策略的分类标准是按照学生实现信息转换所必需的推理的多寡和难易度来分类的，是从简单到复杂，按由少到少的顺序，基于a机器学习、b机器学习、c演绎学习、d机器计程仪学习、e解释的学习f归纳学习，5机器学习分类，机器学习是最简单的机器学习方法。 机器学习是记忆，是记忆新知识，必要时检索呼叫，不需要修正算法和推论。 机器学习又是最基本的学习过程。 每个学习系统都必须记住他们所获得的知识。 在机器学习系统中，知识的获取是比较稳定且直接的，系统

11、不需要进行过度的加工。 关于其他的学习系统，需要在对各种广告老虎钳或训练例等信息进行加工处理后再进行存储。 一旦机器学习系统的执行部分解决了问题，系统就会记住这个问题及其解决方法。 我们可以把学习系统的执行部分认为是抽象的函数，该函数在获得自变量输入值(X1，X2，Xn )之后，计算并输出函数值(Y1，Y2，Yp )。 机器学习在内存中简单地记忆内存对(X1，X2，Xn )，(Y1，Y2，Yp ) )。 在需要f(X1，X2，Xn )的情况下，执行部不是重新计算它，而是从存储器中简单地检索(Y1，Y2，Yp )。关于这个简单的学习模型，Lenat，Hayes Roth，Klahr等人在1979

12、年提出了关于机器学习的饶有兴致观点。 他们指出机器学习可以看作是数据化简并性班的第一班。 简化数据类似于编译计算机语言，其目的是使原始信息成为可执行信息。 在机器学习中，通过只存储补正算的投入产出，忽略补正算过程，将补正算问题简化为网站数据库问题(参照图)。 机器学习的主要问题是，机器学习要留心存储组织、稳定性、存储与补正这三个重要问题。 (a )存储组织信息。 很明显，只有在检索一个项目的时间比重新计算一个项目的时间短的情况下，机器学习才有意义，检索越快，其意义也越大。 因此，采用适当的内存方式，尽可能提高检索速度，是机器学习中的重要问题。 在数据结构和数据库领域，为了提高检索速度，研究了目

13、录索引、排序、散列等多种有效的数据存储方式，在机器学习中可以利用这些个的成果来实现我们的要求。 (b )环境稳定性和积累信息的适用性问题。 在急剧变化的环境下机器学习战略是适用不了的。 机器学习的一个重要假设是，在某个时刻所积累的信息必须适用于以后的情况。 然而，如果尤其频繁地变换信息，则该假定被破坏并且(c )权衡存储器和校正。 机器学习的根本目的是提高系统的执行能力，对机器学习来说重要的是不能降低系统的效率。 例如，如果搜索一个数据比重新计算一个数据花费更多的时间，机器学习就会失去意义。 有两种方法可以解决此类存储和校正的权衡问题。一种方法是估计存储信息所用的存储空间和检索信息所用的时间，

14、并将其成本与重新计算成本进行比较，以确定存储信息是否有利。 另一种方法是先存储信息，为了保证一盏茶的检索速度，限制存储信息的量，系统只保持最常用的信息，“忘记”不常使用的信息。 这种方法也被称为“选择遗忘”技术。 机器学习的应用实例、机器学习是机器学习中最简单的策略，但正确使用该策略对提高应用系统的质量具有重要作用。 介绍吉林高等院校研制的建设工程概预算软件系统采用的机器学习策略。 此方法成功地解决了工程概预算中难以处理的图集问题。 建筑施工概预算是建筑施工中艰巨而重要的任务，工作量大、要求高。 因为在先是用手工作业做的，所以花了很多时间。 3000m2的民用建筑，一个技术人员在手工作业编制概

15、预算需要15天到20天，加上工资分析、费用核算等，近一个月，而且容易出错，影响概预算质量，导致资金、人员和材料的浪费和损失。 近年来，随着电子计算机的普及和应用，许多单位开发了建筑概预算系统，减轻了建筑施工概预算人员的繁重脑力劳动，提高了工程预算的速度和精准性。 但是，建筑概预算中的重要问题工程量计价问题，始终没有得到很好的解决。 该问题的一个困难在于，当前使用的建筑施工设定修正图纸的数据与修正功能所请求的初始输入数据之间存在较大的差异，建筑施工者能够分析观察图纸，形成接受修正功能的初始输入，从而开始进行修正运算。 工程量计价困难的第二个原因是，设置图纸上出现的许多门窗隔扇和光纤预制棒的形式。

16、 在概预算中，工程技术人员需要不断查阅相关资料，确定光纤预制棒这些个所需的工时和材料。 所采用的机器学习方法主要用于解决这个困难。 用于建筑施工的门窗多采用国家或省市的标准设定修订，例如JGMC1163是建设部规定的标准木窗，窗宽1米，高1.6米，还确定窗的样式，例如该窗为透明，3开扇，中间固定，有小的蒸汽窗不画具体的门窗，只标明门窗的型号，做概预算时，人们要数门窗各有几个，根据标准图集检测每扇门需要多少产品材料和人手，就能够求出建筑门窗所需的总建筑材料和费用。 在问题的性质上，最好采用修正算机检索。 但是，事情并不是那么简单，问题的难点是门窗隔扇的标准模式太多。 作为这些个的标准模型的门窗隔

17、扇，根据规定基准的部门和门窗隔扇的种类制作了很多厚的标准图集。 在工程预算计程仪程序内部保存了大量的标准图集，但不能满足概预算的实际需要。 遇到在先中没有装载的新型号时，系统必须暂停，装载新型号的门窗隔扇和相关数据后进行订正。 建筑施工使用的门窗隔扇和预制构件很多，但也有规定性。 一般来说，一个建筑施工设定纠正部门采用了常见的形式，与其他的形式不太相关。 一个工程项目通常只采用几个或几十种类型的门窗和光纤预制棒，不杂乱。 因此，可以用机器学习方法来解决这个问题。在计程仪计划执行过程中遇到未投入的门窗隔扇或预制型时，不是停下来再订正，而是询问法给用户，根据用户提供的数据，计程仪计划订正和订正窗户等标准零配件所需的木材、玻璃、铁元素角等材料和所需的各个工种的劳动天数由于大部分工程项目在采购、制造、运输和管理上的方便，采用了几个或几十种标准的预制零配件，概预算系统在询问法几次后，最终概预算结果不需要进行询问法，给用户带来方便，缩短了运行时间。 该概预算方法的另一个优点是具有广泛的适应性和自我改进能力，一个建筑设施修订部门通常与一些门窗隔扇和光纤预制棒厂家有业务关系，因此通常采用某一型号的标准光