华中科技大学人工智能第六章机器学习解析
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
概念定义可以采取的形式的某种方式的描述
2020/10/12
10
第七章机器学习 7.2基于符号的机器学习
什么时候物体是一个杯子
我们讨论EBL采用这个例子。 目标概念：一条规则，可以用来推断一个物体是否是
一个杯子
promise(X)->cup(X) (promise是一个合取表达式)
领域知识：
能够让系统在执行同一任务或相同数量的另外一个任务时 比前一次执行的更好的任何改变。
任何智能系统必须具备学习的能力
学习是使得智能主体在与环境交互的过程中改变自 己.
2020/10/12
2
第七章机器学习
7.1概述
机器学习研究的几种观点
符号主义采用符号来表示问题域中的实体极其关系, 通过对符号语言表示的规则进行搜索，试图用这些 符号来推出新的、有效的并且也用这些符号表达的 一般规则。
环境Leabharlann Baidu
学习
知识库
执行
环境向系统的学习部分提供某些信息
学习部分利用这些信息修改知识库
执行部分根据知识库完成任务,并把获得的信息 反馈给学习部分
2020/10/12
5
第七章机器学习
7.1概述
影响设计学习系统的因素
具体系统中,环境、知识库和执行部分决定了具体的工 作内容。学习部分要解决的问题由这三部分确定
2020/10/12
9
第七章机器学习 7.2基于符号的机器学习
EBL的初始状态
一、一个目标概念
依赖与具体的应用，可以是一个分类，要证明的定理， 达到目标的一个计划，问题求解程序的启发式信息等
二、一个训练实例
目标概念的实例
三、领域知识
用于解释训练实例如何成为目标概念的规则和事实集合
四、操作标准
部件的参数和相应的工作量 存储到数据库,以后使用时查表即可
2020/10/12
8
第七章机器学习 7.2基于符号的机器学习
基于解释经验的学习
基于解释经验的学习的主要思想:
一、给出一个训练实例(目标概念的实例) 二、用领域知识对它进行解释 三、泛化对训练实例的解释 (得到目标概念)
基于解释经验的学习有多种不同的形式
执行部分的反馈的方式，影响评价知识库的便利性
2020/10/12
6
第七章机器学习 7.2基于符号的机器学习 机械学习
机械学习就是记忆,不需要计算和推理,是最简单的机器 学习方法,也是最基本的学习过程
机械学习可描述成：
f
存储
(X1,X2,…,Xn) (Y1,Y2,…,Yn) ((X1,X2,…,Xn), (Y1,Y2,…,Yn))
连接主义受生物神经网络系统的启发，把知识表示 为由小的个体处理单元组成的网络的激活或者抑制 状态模式。学习是通过训练数据来修改网络结构和 连接权值来实现。
遗传和进化观点，在开始时有一组问题的后选解， 根据他们解决问题的能力来进化，适者生存，并相 互交叉产生下一代解，这样，解不断的增强就像达 尔文描述的生物世界一样
liftable(X)∧holds_liquid(X)->cup(X) part(Z,W)∧concave(W) ∧points_up(W)->holds_liquid (X) light(Y)∧part(Y,handle)->liftable(Y) samll(A)->light(A) made_of(A,feathers)->light(A)
2020/10/12
3
第七章机器学习
7.1概述
机器学习研究的主要内容
机器学习中的大多数研究都致力于开发一些有 效方法，以能够解决：
通过对与人类学习类似的样本进行的处理，来 获取高层次概念和(或)问题求解策略。
样本 背景知识
学习算法
概念描述
2020/10/12
4
第七章机器学习
7.1概述
机器学习系统的基本结构
2020/10/12
11
第七章机器学习 7.2基于符号的机器学习
什么时候物体是一个杯子(续一)
训练实例
cup(obj1) small(obj1) part(obj1,handle) owns(bob,obj1)
part(obj1,bottom) part(obj1,bowl) points_up(bowl) concave(bowl) color(obj1,red)
2020/10/12
14
第七章机器学习
最重要因素是环境提供的信息。如果信息的质量高，与 知识库里保存的一般原则差别小，则容易处理，否则需 要获得足够数据，才能形成一般原则，放入知识库
学习系统获得的信息往往不完全，得出的规则不一定正 确，要通过执行加以检验，保留正确的，删除错误的
知识的表示方式影响学习,不同的方式修改和扩展知识 库的难易程度是不同的
第七章机器学习
机器学习要介绍的内容
机器学习概述 基于符号的方法 连接主义的方法 遗传与进化的方法
2020/10/12
1
第七章机器学习
7.1概述
机器学习的定义
机器学习还没有统一的定义
机器学习的一种定义:
机器学习是一门研究机器获取新知识和新技能,并识别现有 知识的学问。
Simon的机器学习定义：
机械学习要注意的三个问题：
存储组织信息 环境的稳定性与存储信息的适用性问题 存储与计算之间的权衡
2020/10/12
7
第七章机器学习 7.2基于符号的机器学习
机械学习举例—建筑工程预算
建筑工程预算中的工程量计算是工作量大, 存在大量非标准的部件
系统中预先保存许多部件的工作量 计算时在数据库中进行查找 如果有则可以直接使用 如果没有则有一个学习程序。让用户输入
操作标准
需要目标概念用物体的可以观察的结构化的属性来定 义
2020/10/12
12
第七章机器学习 7.2基于符号的机器学习 解释实例
cup(obj1)
liftable(obj1)
Holds_liquid(obj1)
light(obj1)
part(obj1,bowl) concave(bowl) Points_up(bowl)
part(obj1,handle) small(obj1)
2020/10/12
13
第七章机器学习 7.2基于符号的机器学习
泛化解释
我们的目标是用变量替换那些是训练实例的一 部分常量。而保留领域知识中有的常量和限制。
本例中常量handle是领域知识中的一部分，因 此保留，从而得到泛化树
可以有多种方法来建造泛化树
2020/10/12
10
第七章机器学习 7.2基于符号的机器学习
什么时候物体是一个杯子
我们讨论EBL采用这个例子。 目标概念：一条规则，可以用来推断一个物体是否是
一个杯子
promise(X)->cup(X) (promise是一个合取表达式)
领域知识：
能够让系统在执行同一任务或相同数量的另外一个任务时 比前一次执行的更好的任何改变。
任何智能系统必须具备学习的能力
学习是使得智能主体在与环境交互的过程中改变自 己.
2020/10/12
2
第七章机器学习
7.1概述
机器学习研究的几种观点
符号主义采用符号来表示问题域中的实体极其关系, 通过对符号语言表示的规则进行搜索，试图用这些 符号来推出新的、有效的并且也用这些符号表达的 一般规则。
环境Leabharlann Baidu
学习
知识库
执行
环境向系统的学习部分提供某些信息
学习部分利用这些信息修改知识库
执行部分根据知识库完成任务,并把获得的信息 反馈给学习部分
2020/10/12
5
第七章机器学习
7.1概述
影响设计学习系统的因素
具体系统中,环境、知识库和执行部分决定了具体的工 作内容。学习部分要解决的问题由这三部分确定
2020/10/12
9
第七章机器学习 7.2基于符号的机器学习
EBL的初始状态
一、一个目标概念
依赖与具体的应用，可以是一个分类，要证明的定理， 达到目标的一个计划，问题求解程序的启发式信息等
二、一个训练实例
目标概念的实例
三、领域知识
用于解释训练实例如何成为目标概念的规则和事实集合
四、操作标准
部件的参数和相应的工作量 存储到数据库,以后使用时查表即可
2020/10/12
8
第七章机器学习 7.2基于符号的机器学习
基于解释经验的学习
基于解释经验的学习的主要思想:
一、给出一个训练实例(目标概念的实例) 二、用领域知识对它进行解释 三、泛化对训练实例的解释 (得到目标概念)
基于解释经验的学习有多种不同的形式
执行部分的反馈的方式，影响评价知识库的便利性
2020/10/12
6
第七章机器学习 7.2基于符号的机器学习 机械学习
机械学习就是记忆,不需要计算和推理,是最简单的机器 学习方法,也是最基本的学习过程
机械学习可描述成：
f
存储
(X1,X2,…,Xn) (Y1,Y2,…,Yn) ((X1,X2,…,Xn), (Y1,Y2,…,Yn))
连接主义受生物神经网络系统的启发，把知识表示 为由小的个体处理单元组成的网络的激活或者抑制 状态模式。学习是通过训练数据来修改网络结构和 连接权值来实现。
遗传和进化观点，在开始时有一组问题的后选解， 根据他们解决问题的能力来进化，适者生存，并相 互交叉产生下一代解，这样，解不断的增强就像达 尔文描述的生物世界一样
liftable(X)∧holds_liquid(X)->cup(X) part(Z,W)∧concave(W) ∧points_up(W)->holds_liquid (X) light(Y)∧part(Y,handle)->liftable(Y) samll(A)->light(A) made_of(A,feathers)->light(A)
2020/10/12
3
第七章机器学习
7.1概述
机器学习研究的主要内容
机器学习中的大多数研究都致力于开发一些有 效方法，以能够解决：
通过对与人类学习类似的样本进行的处理，来 获取高层次概念和(或)问题求解策略。
样本 背景知识
学习算法
概念描述
2020/10/12
4
第七章机器学习
7.1概述
机器学习系统的基本结构
2020/10/12
11
第七章机器学习 7.2基于符号的机器学习
什么时候物体是一个杯子(续一)
训练实例
cup(obj1) small(obj1) part(obj1,handle) owns(bob,obj1)
part(obj1,bottom) part(obj1,bowl) points_up(bowl) concave(bowl) color(obj1,red)
2020/10/12
14
第七章机器学习
最重要因素是环境提供的信息。如果信息的质量高，与 知识库里保存的一般原则差别小，则容易处理，否则需 要获得足够数据，才能形成一般原则，放入知识库
学习系统获得的信息往往不完全，得出的规则不一定正 确，要通过执行加以检验，保留正确的，删除错误的
知识的表示方式影响学习,不同的方式修改和扩展知识 库的难易程度是不同的
第七章机器学习
机器学习要介绍的内容
机器学习概述 基于符号的方法 连接主义的方法 遗传与进化的方法
2020/10/12
1
第七章机器学习
7.1概述
机器学习的定义
机器学习还没有统一的定义
机器学习的一种定义:
机器学习是一门研究机器获取新知识和新技能,并识别现有 知识的学问。
Simon的机器学习定义：
机械学习要注意的三个问题：
存储组织信息 环境的稳定性与存储信息的适用性问题 存储与计算之间的权衡
2020/10/12
7
第七章机器学习 7.2基于符号的机器学习
机械学习举例—建筑工程预算
建筑工程预算中的工程量计算是工作量大, 存在大量非标准的部件
系统中预先保存许多部件的工作量 计算时在数据库中进行查找 如果有则可以直接使用 如果没有则有一个学习程序。让用户输入
操作标准
需要目标概念用物体的可以观察的结构化的属性来定 义
2020/10/12
12
第七章机器学习 7.2基于符号的机器学习 解释实例
cup(obj1)
liftable(obj1)
Holds_liquid(obj1)
light(obj1)
part(obj1,bowl) concave(bowl) Points_up(bowl)
part(obj1,handle) small(obj1)
2020/10/12
13
第七章机器学习 7.2基于符号的机器学习
泛化解释
我们的目标是用变量替换那些是训练实例的一 部分常量。而保留领域知识中有的常量和限制。
本例中常量handle是领域知识中的一部分，因 此保留，从而得到泛化树
可以有多种方法来建造泛化树