人工智能学习.pptVIP

第10章 学习 第一页，共四十页。 大纲 Introduction to machine learning Supervised learning（监督学习） Decision tree learning（决策树学习） Linear predictions （线性预测） Support vector machines （支持向量机）… Unsupervised learning （无监督学习） 第二页，共四十页。 Learning 学习对认识未知的环境是必不可少的, i.e., 当设计者缺乏完整知识的时候when designer lacks omniscience（全知） 学习作为一种系统构造方法是有用的, i.e., 编写一个学习智能体程序来实现比尝试着将函数直接写出来要好得多 学习会不断地修改智能体的决策机制来提高性能 第三页，共四十页。 学习智能体 第四页，共四十页。 学习元件 Design of a learning element is affected by性能元素的哪些组件是需要学习的什么样的反馈可被用来学习这些组件这些组件可以被哪些方法来表示 第五页，共四十页。 Introduction to Machine Learning 第六页，共四十页。 Machine Learning Everyday:Search Engine 第七页，共四十页。 Machine Learning Everyday:Spam Detection （垃圾邮件检测） 第八页，共四十页。 Machine Learning Everyday:Machine Translation 第九页，共四十页。 Machine Learning Everyday:Face Detection Now in most digital cameras for auto focusing 第十页，共四十页。 Machine Learning 脱胎于人工智能工作 电脑的一种新能力 第十一页，共四十页。 Why Machine Learning? Solve classification problems Learn models of data (“data fitting”) Understand and improve efficiency of humanlearning Discover new things or structures that are unknown to humans (“data mining”)… 第十二页，共四十页。 Why Machine Learning? Large amounts of data Web data, Medical data, Biological data… 昂贵的手工分析费用 计算机变得便宜并性能更加优良 第十三页，共四十页。 Why Machine Learning? 应用程序无法直接通过手工编程完成 无人驾驶 手写识别 自然语言处理(NLP) 计算机视觉 理解人类的学习（人脑，真正的AI） 第十四页，共四十页。 What is machine learning useful for? 机器学习在哪些领域有用？ 第十五页，共四十页。 Automatic speech recognition自动语音识别 当前大部分语音识别和翻译都能够不断学习— 你用得越多，它们就会变得越聪明 第十六页，共四十页。 Computer vision: e.g. object, face andhandwriting recognition 第十七页，共四十页。 Information retrieval—信息检索 对大量文本数据库 的阅读, 领会和分 类对于人类来说 是困难的 Web Pages Retrieval（检索） Categorization（分类） Clustering（聚类） Relations between pages 第十八页，共四十页。 Financial prediction 第十九页，共四十页。 Medical diagnosis（医学诊断） 第二十页，共四十页。 Bioinformatics（生物信息学） e.g. 基因微阵列数据建模, 蛋白质结构预测 第二十一页，共四十页。 Robotics机器人学 第二十二页，共四十页。 电影推荐系统Movie recommendation systems 第二十三页，共四十页。 Machine Learning Machine learning is an interdisciplinary field focusing on bot