人工智能第6.123章.ppt

  1. 1、本文档共46页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
人工智能第6.123章

第六章 机器学习 解释学习例题 学习的目标:一个物体x可以安全的放置在另一个物体y的上面”。 目标概念:Safe-to-stack(x,y) x在y上安全堆放 训练实例:前提:重量、体积、密度, Weight(obj1, 0.1)、Weight(obj2, 5)、Volume(obj1,1)、Density(obj1, 0.1) 条件: Lighter(obj1, obj2)、状态: On(obj1,obj2) 是什么: Is-a(obj1,book) 、Is-a(obj2,table)、 Is-a(p, table)→Weight(p, 5) 领域知识(安全放置的准则、条件): ?Fragile(y)→Safe-to-stack(x, y)、Lighter(x, y)→Safe-to-stack(x, y) 乘法计算、比较计算 Volume(p, v)ΛDensity(p, d)ΛProduct(v, d, w)→Weight(p, w) Weight(p1, w1)ΛWeight(p2, w2)ΛSmaller(w1, w2)→Lighter(p1, p2) 解释空间的描述 概念空间:某个学习程序能描述的所有概念的集合,其中每一点对应例子空间的唯一的一个子集合。例:C1对应I1,I2,I3。 但概念空间的一个点可以对应概念描述空间的多个点。例:C1对应不可操作的D1和可操作的D2。 对应同一概念的两个描述称为同义词。 解释学习的任务:把不可操作的描述转化为可操作的描述。例:D1是搜索的开始结点,D2是解结点,解释是空间的变换,而可操作性是搜索结束的标准。 从D1到D2的过程称作概念可操作。 EXL 概念描述 的转换 KB PS 结果是否 可操作 D1 D2 N Y 解释学习的模型 执行系统:PS 学习系统:EXL 领域知识库:KB(不同描述间转换的集合) 系统工作过程 EXL输入概念C1的描述D1(一般是不可操作的) 根据KB中的知识,对其进行不同的转换(搜索) PS对每个转换结果进行测试,直至转换结果是PS可以接受的描述D2(可操作的)时,学习结束,输出D2 领域知识是描述相应领域的事实和规则,在学习系统中作为背景知识,系统用它来证明训练实例为什么可作为目标概念的实例; 操作性准则用于指明哪些测试在运行时容易判定,指导系统对描述目标的概念进行取舍。 目标概念就是要学习的概念; 训练实例是为解释学习提供的一个例子,解释学习正是从该例出发,通过运用领域知识进行证明,最终推广出目标概念的描述; 一般框架是: 给定: 领域知识、目标概念、训练实例和操作性准则, 找出: 满足操作性准则的关于目标概念的充分条件。 解释学习的学习步骤: 首先:运用领域知识找出训练实例为什么是目标概念的证明(即解释); 然后:按操作性准则对解释进行推广,从而得出关于目标概念的学习描述。 解释学习时,系统首先利用论域知识,找出所提供的实例之所以是目标概念的一个实例的解释,即张三之所以比他父亲更充满活力,是由于他比他的父亲年纪轻。然后对此解释进行一般化推广,即任何一个儿子都比父亲年纪轻。由此可得出结论:任何一个儿子都比他的父亲更充满活力。这就是解释学习所要学习的最终描述。 为了具体了解解释学习的学习过程,我们看一个简单的例子: 假设要学习的目标概念是:年青人总比年纪大的人更充满活力。并且已知如下事实: (l)一个实例:张三比他的父亲更充满活力。 (2)一组论域知识。假设这一组论域知识能证明给出的实例就是目标概念的例子。 * 《人工智能》第六章 机器学习 机器学习: 就是计算机自动获取知识。 知识工程的三个分支: 知识表示、知识获取、知识应用 机器学习是知识获取的一种重要工具。 机器学习的基本问题: 为什么研究机器学习? 什么是机器学习? 机器学习发展历史? 机器学习的一个模型? 机器学习的分类? 实例学习 解释学习 学习单个概念的实例学习 为什么研究机器学习? 必要性: 人工智能的研究成果: 专家系统、自然语言理解、计算机视觉、推理系统的研究。 人工智能研究的主要障碍和发展方向之一: 是机器学习 现在的人工智能系统学习能力: 还完全没有或仅有很有限的学习能力。 人工智能系统中的知识由人工编程送入系统,知识库中错误也不能自动改正。 可行性: 人工智能的研究经过了几十年,也获得了很多研究成果,为机器学习提供了很好基础。 研究机器学习的难点: 学习系统的性能预测将更加困难; 学习系统产生的知识可以使制造学习系统的人无法预测如果这种系统解决重要问题就可能产生以外的危险和困难。 其次获取的知识本质上还是猜想。只保证假,不保证真。 上述两点说明,由机器获取知识要经过人的审查才能使用,为了便于人理解

文档评论(0)

asd522513656 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档