人工智能原理ch6和 ch7.pptVIP

7.1 机器学习概述 7.1.1 定义和研究意义 学习是人类具有的一种重要智能行为，是人类智能的根本特征。但究竟什么是学习，目前还没有一个统一的定义。因为学习是一种具有多侧面的现象，包括：（1）获取新知识；（2）通过教育或实践修正、精化原有知识或技能；（3）归纳、演绎原有知识，将其组成更为通用和有效的表示形式；（4）借助观察或实验发现新的事实和理论等等。 按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务时或相类似的任务时，会比现在做得更好或效率更高。 学习还有不同的定义： 学习是我们头脑里有用的变化。 学习是对经历描述的建立或修改。 学习是知识的增长。 这些定义虽不尽相同，但可以看出学习的形式不外乎两种：知识获取和技能改善。 知识获取是指获取知识信息并以某种有效手段提供这些信息。 技能改善是指技能的获得或精化。 知识获取和技能改善是学习中紧密结合的两个方面，知识获取是学习的核心，技能改善是学习的目标。 7.1.2 机器学习的意义 机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，它是人工智能中最具智能特征、最前沿的研究领域之一。 研究机器学习的意义在于机器学习能发挥计算机的长处，弥补人的不足，显著增强计算机的能力，从而对人类社会产生积极影响，尤其对今天的信息化社会来说，这种影响将是十分深远的。（发挥计算机速度快、不知疲倦等优点，再加上学习能力，本事大得多。） 长处（优点）： (1) 机器学习能以惊人的速度进行，并且机器不会疲倦，不用休息。人的学习是一个相当缓慢而又艰苦的过程，要受到身体发育成长和生理规律（生病、想休息）的限制。人从幼年开始学习，经过几十年的学习才能成为某一方面的专家。机器学习则较快。 (2) 机器学习只要掌握求解问题的步骤，就能很好地工作。人类学习的重点放在概念的理解、理论和方法的掌握上，即使是学会了，也不能直接地解决实际问题。比如学习解线性方程组的主元消去法。人可以搞清算法的根据和计算步骤，但手工计算高阶线性方程组很难、很慢，而机器学习则没有该问题。不必知根据，只要知步骤就行。 (3) 机器学习可避免大量的重复学习，使知识积累达到一个新的高度。人的生命有限，一旦生命结束，积累的知识也就和生命一起消失。以后的人想拥有这些知识，又必须重新进行学习。随着社会的发展、科技的进步、学科的细分，人类拥有的知识呈指数级增长（以前大学课少），导至人生学习时间越来越长，工作时间相对地越来越短。这其实是一种很大的浪费。如果能够成功地实现人的学习过程，就可以把学习不断地延续下去，避免大量的重复学习，使知识积累达到一个新的高度。 (4) 机器学习的结果易于快速传播。人开办学校、教师授课、学生增长知识。人少、面窄。机器学习则不然，只要一个机器“学会”了，其它机器只要简单地“拷贝”一下就能“学会”，非常容易实现知识的快速传播。 7.1.3 机器学习的目标 目前，机器学习领域的研究工作主要围绕以下三个基本方面进行： (1) 面向任务的研究—研究和分析改进一组预定任务的执行性能的学习系统。 (2) 认知模拟—研究人类的学习过程并进行计算机模拟。（神经网络、雷达） (3) 理论性分析—从理论上探索各种可能的学习方法和独立于应用领域的算法。 7.1.4 机器学习的发展史 机器学习是人工智能应用研究较为重要的分支，它的发展过程大体上可分为4个时期： 1.第一阶段是在50年代中叶到60年代中叶，属于热烈时期。在这个时期，所研究的是“没有知识”的学习，即“无知”学习；其研究目标是各类自组织系统和自适应系统；指导本阶段研究的理论基础是早在40年代就开始研究的神经网络模型。在这个时期，我国研制了数字识别学习机。 　2.第二阶段在60年代中叶至70年代中叶，被称为机器学习的冷静时期。本阶段的研究目标是模拟人类的概念学习过程，并采用逻辑结构或图结构作为机器内部描述。这个时期正是我国“史无前例”的十年，对机器学习的研究不可能取得实质进展。 3. 第三阶段从70年代中叶至80年代中叶，称为复兴时期。在这个时期，人们从学习单个概念扩展到学习多个概念，探索不同的学习策略和各种学习方法。本阶段已开始把学习系统与各种应用结合起来，中国科学院自动化研究所进行质谱分析和模式文法推断研究，表明我国的机器学习研究得到恢复。1980年西蒙来华传播机器学习的火种后，我国的机器学习研究出现了新局面。 4. 机器学习的最新阶段始于1986年。一方面，由于神经网络研究的重新兴起，另一方面，对实验研究和应用研究得到前所未有的重视。我国的机器学习研究开始进入稳步发展和逐渐繁荣的新时期。 7.2 机器学习的基本结构和主要方法 7.