人工智能教案05章 机器学习5.3 符号学习方法.docVIP

5.3 符号学习方法　　如概述中所述，机器学习可分为连接学习和符号学习。连接学习方法比较单一，就是基于神经网络原理的系统学习方法。符号学习的种类比较多，理论也没有那么规范。本节仅简单介绍一些主要的符号学习方法。5.3.1 记忆学习　　记忆学习也称死记硬背学习或机械学习。这种学习方法不要求系统具有对复杂问题求解的能力，也就是没有推理技能，系统的学习方法就是直接记录问题有关的信息，然后检索并利用这些存储的信息来解决问题。机械学习是基于记忆和检索的办法，学习方法很简单，但学习系统需要几种能力：　　1.能实现有组织的存储信息：该种学习方法必须有一种快速存取的方法，使得利用已存的信息求解问题，得到结论，比重新计算该值来得快。　　2.能进行信息综合：通常存储对象的数目可能很大，为了使其数目限制在便于管理的范围内，需要有某种综合技术。　　3.能控制检索方向：当存储对象增多时，其中可能有多个对象与给定的状态有关，这样就要求程序能从有关的存储对象中进行选择，以便把注意力集中到有希望的方向上来。　　例如对于某个数据x，经过某种计算过程得到的结果是y，那么系统就把（x，y）作为联想对存储起来，以后再对x作同样的计算时，就可通过查询（而不是计算）直接得到y。　　又如，对于某个事实A，经过某种推理而得到结论B，那么就可把（A，B）作为一条规则记录下来，以后就可以由A直接得到B。5.3.2 传授学习　　传授学习即通过对计算机指点教授进行的学习方法。系统中已有一些通过某种方式得到的知识，传授学习就是通过人机对话，把用户一般性意见或建议具体化，或者协助用户补充和修改原有的知识库。系统把这些建议看成为要达到的目标，并通过规划求解出可直接执行的过程，因此系统要求具有推理的能力。学习使得系统性能有所改变（增强），或者是具有了新的能力。例如： 1981年开发的玩扑克牌的一种游戏，FOO程序，称为“红心牌游戏”，使用者可以告诉系统游戏的规则以及若干取胜的建议，如“避免取点”，“如果某个对手已无某种花色的牌，则不要出该种花色的大牌”，“如某个对手有黑桃Q，就设法把它攻下来”等等。系统把这些建议看成为要达到的目标，并通过规划求解出可直接执行的过程。5.3.3 演绎学习演绎学习是基于演绎推理的一种学习。演绎推理是一种保真变换，即若前提为真时推出的结论也为真。在演绎学习中，学习系统由给定的知识进行演绎的保真推理，并存储有用的结论。演绎学习包括知识改造、知识编译、产生宏操作、保持等价的操作和其它保真变换。这种学习同样是在已有的知识库基础上进行的。演绎学习近几年才作为独立的学习策略得到研究。 　　例如，当系统能证明A→B且B→C，则可得到规则A→C，那么以后再要求证C，就不必再通过规则A→B和B→C去证明，而直接应用规则A→C即可。5.3.4 类比学习　　这是基于类比推理的一种学习方法。类比学习就是寻找和利用事物间的可类比的关系，从已有的知识推导出未知的知识。例如，学生在做作业时，往往在例题和习题之间进行对比，企图发现相似之处，然后利用这种相似关系解决习题中的问题。　　类比学习的过程包括以下主要步骤：　　1.回忆与联想：即当遇到新情况或新问题时，先通过回忆与联想，找出与之类似的已经解决了的有关问题，以获得有关知识；　　2.建立对应关系：即建立相似的“问题知识”和“求解问题”之间的对应关系，以获得求解问题的知识；　　3.验证与归纳：即检验所获得的所有知识的有效性，如发现有错，就重复上述步骤进行修正，直到获得正确的知识；对于正确知识，经过推广、归纳等过程取得一般性知识。 类比学习又可分为属性类比学习和转化类比学习。　　属性类比学习是建立在框架知识表示基础上的。　　框架是一种知识表示的方法。顾名思义，框架是一种结构，一个框架一般有若干个槽组成，每一个槽有一个槽值或者有若干个侧面，而一个侧面又有若干个侧面值。其中，槽值和侧面值可以是数值、字符串、布尔值，也可以是一个动作或过程，甚至还可以是另一个框架的名字。详情可以参见第四章《知识表示》。属性类比学习首先设对象的知识是用框架集来表示的，则类比学习可描述为把原框架中若干个槽的值传递给另一个目标框架的一些槽中去，这种传递分两步进行：　　1.利用原框架产生若干个候选的槽，这些槽值将准备传递到目标框架中去；　　2.利用目标框架中现有的信息来筛选第一步提出来的某些相似性。最终添入合理有效的内容。　　所以，类比学习过程要求系统有知识表示技术和推理的能力。 5.3.5 实例学习　　实例学习也称示例学习，是目前机器学习方法中最成熟的方法之一。它是一种归纳学习，是从若干实例（包括正例和反例）归纳出一般概念或规则的学习方法。例如学习程序要学习狗的概念，可以先提供给程序以各种动物，并告知程序哪些动物是狗，哪些不是狗，系