人工智能chapter51.pptx

第五章 知 识 学 习 ;知识学习概述 知识学习原理 知识学习策略;5.1.1 知识学习概述;5.1.1 知识学习概述;5.1.1 知识学习概述;1、神经元模型研究： 这一阶段开始于20世纪50年代中期，所研究的是“没有知识”的学习。其主要研究目标是各种自组织系统和自适应系统；所基于的基本思想是；如果给系统一组刺激，一个反馈源，以及修改自身的足够自由度，那么系统将能自适应地趋向最优组织；所采用的主要研究方法是不断修改系统的控制参数，以改进系统的执行能力，而不涉及与具体任务有关的知识；所依据的主要理论基础是20世纪40年代开始研究的神经元网络模型。 这一阶段最具有代表性的工作是罗森勃拉特(F.Rosenblatt)1957年提出的感知机模型，它由阈值性神经元组成，试图模拟人脑的感知及学习能力。但遗憾的是，大多数想产生某些复杂智能系统的企图都失败了。;不过，这一???段的研究工作导致了模式识别这个新兴学科的诞生和判别函数法这种重要机器学习方法的产生。 塞缪尔的下棋程序就是使用判别法的典型例子。该程序具有一定的自学习、自组织、自适应能力，能够根据下棋时的实际情况决定走步策略。不过，这种脱离知识的感知模型学习系统具有很大的局限性，远不能满足人们对机器学习系统的期望。也有人把这一阶段称为机器学习的热烈时期。;2、符号概念获取： 这一阶段开始于20世纪60年代中期。符号概念获取的主要研究目标是模拟人类的概念学习过程。其学习过程是通过分析一些概念的正例和反例构造出这些概念的符号表示。概念的符号表示一般采用逻辑表达式、决策树、产生式规则或语义网络等形式。 这一阶段的代表性工作有温斯顿的结构学习系统和海斯-罗思(Hayes－Roth)等人的基于逻辑的归纳学习系统。虽然这类学习系统取得了较大的成功，但它们只能学习单一概念，且未能投人实际应用。再加上神经元模型研究的低落，使得不少人对机器学习感到失望，因此也有人把这一阶段称为机器学习的冷静时期。;3、知识强化学习： 这一阶段开始于20世纪70年代中期。其主要特点有以下几个方面: 第一，人们开始从学习单个概念的研究扩展到学习多???概念的研究； 第二，各种机器学习过程一般都建立在大规模 知识库的基础上，实现知识的强化学习； 第三，开始把机器学习与各种实际应用相结合，尤其是专家系统在知识获取方面的需求，极大地刺激了机器学习的研究和发展，示例归纳学习系统是当时的研究主流，自动知识获取是当时的应用研究目标。;4、连接学习和混合型学习： 这一阶段开始于20世纪80年代中期。在此之前的十多年中，虽然神经元模型研究落入了低潮，但仍有一部分学者在潜心研究。在他们的艰苦努力下，终于克服了神经元模型的局限性，提出了多层网络的学习算法，再加上超导技术、生物技术、光学技术等的发展与支持，神经元网络研究又在一个新的起点上再度兴起，从而使机器学习进人了连接学习的研究阶段。 连接学习是一种以非线性、大规模并行处理为主流的神经网络研究，这一研究目前还方兴未艾，并向传统的符号学习提出了挑战。;人工智能及其应用;2、学习系统的特征 学习系统通常应具备以下4个方面的特征。 ?(1)目的性? 系统的学习行为应该有高度的目的性，即系统必须知道它要学习什么。 ?(2)结构性? 系统必须具备适当的结构来记忆已经学到的知识，即能够对知识表示和知识组织形式进 行修改和完善。 ?(3)有效性? 系统学到的新知识必须有益于改善系统的行为。 ?(4)开放性? 系统的能力应该能够在其实际使用过程或同环境的交互过程中不断进化。;3、学习系统的基本要求 (1)具有适当的学习环境： 所谓学习系统的环境，是 指学习系统进行学习时的信息来源。 (2)具有一定的学习能力： 环境仅是为学习系统提供了相应的信息和条件，要从中学到知识，还必须具有适当的学习方法和一定的学习能力。 (3)能够运用所学知识求解问题： 学以致用，对人这样，对学习系统也是如此。 (4)能通过学习提高自身性能： 提高自身性能，是学习系统应该达到的最终目标。也就是说，一个学习系统应该能够通过 学习增长知识、提高技能、改进性能，使自己能做一些原来不能做的工作，或者可以把原来能做的工作做得更好。;4、知识学习系统模型： 如图所示。其中，环境是以某种形式表达的外界信息集合，它代表外界信息来源；学习环节是将外界信息加工为知识的过程，先从环境获取外部信息，然后对这些信息进行分析、综合、类比、归纳等加工形成知识，并把这些知识放人知识库中；知识库是以某种形式表示的知识集合，用来存放学习环节所得到的知识；执行环节是利用知识库中的知识完成某种任务的过程，并把完 成任务过程中所获得的一些信息反馈给学习环节，以指导进一步的学习。 ;人工智能及其应用;人工智能及其应用;人工智能及其应用;人工智能及其应