机器学习研究回顾-智能科学与人工智能.ppt

机器学习研究回顾与趋势 王 珏 中国科学院自动化研究所 2004年9月，秦皇岛 机器学习的发展 至今， 机器学习= 神经科学与认知科学+数学+计算 希望，???。 符号机器学习 Solomonoff关于文法归纳的研究应该是最早的符号机器学习(1959)。 1967年Gold证明，这是不可能的实现的。 Samuel将学习限制在结构化数据，由此，学习演变为约简算法，这是现代符号机器学习的基础。 如果将每条规则理解为一个分类器，符号机器学习是Hebb路线的产物。 “机器学习”现状 神经科学与认知科学扮演先知者角色。 数学填充了神经科学和认知科学与计算之间的沟堑。 现状是：神经与认知的成果并没有多少被使用于计算。 机器学习的研究趋势 尽管“学习机制”还是研究的动力，然而， “烦恼网络”的危机，使得更为重要的推动力来自“有效利用”信息。 传统领域借用机器学习提高研究水平。 应用驱动的机器学习方法层出不穷。 基于机器学习的数据分析方法成为解决复杂问题的关键之一。 传统领域借用机器学习提高研究水平 文本与图像占信息的绝大数，近几年， 模式识别最引人注目的是机器学习在这个领域扮演日益重要的角色。 在文本分析与自然语言理解上，数据资源建设逐渐完善，关注的焦点是机器学习，文法归纳的方法已死灰复燃。 应用驱动的机器学习方法层出不穷 面临信息多种多样，复杂！ 流形机器学习：稀疏数据的非线性方法