Electrical and Electronic Engineering Department, Imperial College, London SW7 2AZ, UK 摘要 归纳的能力是学习的最重要的品质, 并且归纳总结可以通过模型 .docVIP

计算机视觉中的学习：几点想法 Maria Petrou Communications and Signal Processing Group, Electrical and Electronic Engineering Department, Imperial College, London SW7 2AZ, UK 摘要：归纳的能力是学习的最重要的品质，并且归纳总结可以通过模型识别系统了解知识的规律而不是它的表面，一个叫知识库的东西已经被提上日程了，通过它所有的知识都能过被组织起来，一个通过使用这个知识库和效用理论方面的知识的翻译场景系统也被提上日程了，同时有人认为，全部一致的标签解决方案是一个人造认知体系既不可能，也不可取。 1 引言 通常“学习”这个词在现代社会有很多种解释，特别是从计算机语言来看。它已经被用来解释很多事物，从传输数据到怎样去识别视觉结构，这些领域最有价值参数的定义都将可以得到解释。所以，我们应该试着去理解这个世界的现象，就像它出现在认知领域相关数学方程式中的问题一样。在下面的部分，我们首先要从电脑视角去了解学习的意义，同时去探究这个世界的两种定义之间的可能联系。 2 学习的主要特征 和认知任务有关的第一算法的部分内容已经被提上日程，它们的主要内容主要是有关的神经网络的。神经网络的支持者们经常评论他们所开发的神经网络的归纳能力。归纳是学习的主要特点之一。事实上，我们教我们的孩子常常用童话故事和比喻，有能力推广到实际情况。 L. Rueda, D. Mery, and J. Kittler (Eds.): CIARP 2007, LNCS 4756, pp. 1–12, 2007.c Springer-Verlag Berlin Heidelberg 2007 这意味着这种利用训练样本区间跨越特征空间的经典模型识别方法并不是这个世界认知意识的真正的学习方法。为了能够更好的推广，这种建立在规律上的神经网络通常在很大程度上依赖于有足够的训练样本才能填充足够的特征空间。神经网络的这种训练方法通常被用来去靠近与分段线性部分特征空间中的类边界。当一个未知的模式到来时，它能够和已经确定的填充空间联系起来，从而能够把模型出现的地方填充起来。一些旧的和一些最近刚开发的方法是通过选择在类边界中其主要作用的模型实现的，而不是使用高一级的归纳能力，这些方法都是一些简单可行的方法。所以,神经网络和模式识别方法不是学习方法。 问题:是认知科学家和心理学家,还是某种超越目前掌握数学形式?学习算法是人类例子。是人类花大量的时间去学习,我们所见证的是一个简单的学习这些新方法的应用的表现,一些通用的规则, 元知识 一直慢慢潜意识里了。我要澄清一下,“学”在这里不是一个大学学位。这的确是一个很漫长的过程,这是需要大约三分之一的寿命的一个人。学习这里喻指生存技能,操作技能在日常生活中。由于人类大约12 - 15岁之间,我们可以假定自然认为人类儿童面对生活在那个阶段。所以,我们可以说,人类作为独立的实体生命“学习”他们学习经过12 - 15年。所以,人类似乎学习者。他们花很多时间元知识的规则。正是这些规则使我们经常的。我们也许会从以上的观点得出结论: 学习 - 在算法学习,概括必须得到足够的训练, - 我们有真实的归纳命题能力,只有当由训练的例子学会如何提取物体而不是对象的类。如果这样的学习发生,完全未知的可能正确的解释,即使在没有先前的例子这个结论意味着我们必须教导计算机,为建造一个认知系统,是关系,而不是事实例如,背字典的一种语言,没有教一个人的语言学习单词之间的关系,以掌握这门语言。这是同意温斯顿的创新实验教计算机认识拱门不给计算机所有它可能遇到拱。他把这例子和柜台拱的例子,教它识别组件之间的关系,如支持”和“支持”。 3知识和元知识 至少有50理论的认知科学家。在计算机科学中,我们往往会区分两种形式的学习: 试验学习和学习。归纳学习也计算机科学家,但是我们不应该,因为它意味着学习者已经学会了逻辑法则。所以,归纳学习可能被认为是已学中的应用元知识规则实验的能力学习意味着尝试,并从中得出结论。它最简单的形式全自动的。全自动分割算法,例如,将工作如下:进行分割,评估结果质量,调整参数,然后再试一次。直接的结论是:需要反馈回路。还要求可用的标准进行系统。标准的独立知识或信息用于进行分段,否则结果将是一个预言。在半自动系统,则是由人。报告的结果则包括文学的声明类型:“最好的阈值尝试与错误。“这法是一种非常合理的学习方式。就受到监督式学习的雨伞,它对于帮助人类学习一个教师。飞往完全自动化的方法是相当于假设计算机可能通过学习元知识阶段,需要构建规则,现在学习收益很快,利用这些。例如,如果我们知道农业等行业倾向于有直的边界,可以分辨部分输出捕捉到的