人工智能教程（第2版）第6章.ppt

6.6归纳学习2.发现学习发现学习是指由系统的初始知识、观察事例或经验数据中归纳出规律或规则，这是最困难且最富创造性的一种学习。它使用归纳推理，在学习过程中除了初始知识外，教师不进行任何指导，所以它也是无教师指导的归纳学习。它可分为经验发现与知识发现两种，前者指从经验数据中发现规律和定律，后者指从已观察的事例中发现新的知识。6.6归纳学习一个典型的发现学习系统是AM，它是一个数学发现系统，用来学习数学概念。另外的一些典型学习系统有：发现定量规律的系统BACON.6、发现定性规律的系统GLAUBER、确定化学反应用物质成分的系统STAHL和形成化学反应结构模型的系统DALTON。6.7基于解释的学习基于解释的学习属于演绎学习方法的一种，是近年来出现的一种机器学习方法。这种方法通过运用相关的领域知识，对当前提供的单个问题求解实例进行分析，构造出求解过程的因果解释结构，并通过对该解释结构一般化处理获取相应知识，以便用于指导以后求解类似的问题。1986年，Mitchell等人提出了基于解释学习的一般化描述框架如下：6.7基于解释的学习给定：领域知识DT；目标概念TC；训练实例TE；操作性准则OC。找出：满足OC的关于TC的充分条件。其中，领域知识DT是相关领域的事实和规则，在学习系统中作为背景知识；目标概念TC是要学习的概念；训练实例TE则是为学习系统提供的一个例子；操作性准则OC用于指导学习系统对用来描述目标的概念进行取舍，使得通过学习产生的关于目标概念TC的一般性描述成为可用的一般性知识。6.7基于解释的学习由这一描述可以看出，在基于解释的学习中，为了对某一目标概念进行学习，从而得到相应的知识，必须为学习系统提供完善的领域知识，以及能充分说明目标概念的一个实例。系统进行学习时，首先利用领域知识DT找出训练实例TE为什么是目标概念TC之实例的解释，然后根据操作性准则OC对这一解释进行推广，从而得到关于目标概念TC的一般性描述，也就是可供以后使用的一般性知识。6.7基于解释的学习基于解释的学习从本质上说属于演绎学习，它是根据给定的领域知识，进行保真的演绎推理，存储有用结论，经过知识的求精和编辑，产生适于以后求解类似问题的相应一般性知识，而所获得的这些知识，可以明显提高系统求解问题的效率。6.7基于解释的学习6.7.1基于解释学习的工作原理Mitchell等人把基于解释的学习过程定义为两个步骤：（1）通过求解一个例子来构造解释结构。（2）对该解释结构进行一般化，从而获取一般性的知识或概念。6.7基于解释的学习其具体过程如下：（1）构造解释结构。这一步的任务是要证明提供给系统的实例为什么是满足目标概念的一个实例。其证明的过程是通过领域知识进行演绎推理而实现的，证明的结果是得到一个解释结构。用户输入实例后，系统首先进行问题求解。如由目标引导反向推理，从领域知识库中寻找有关规则，使其后件与目标匹配。6.7基于解释的学习找到这样的规则后，就把目标作为后件，该规则作为前件，并记录这一因果关系。然后以规则的前件作为子目标，进一步分解推理。如此反复，沿着因果链，直到求解结束。一旦得到解，便证明了该例的目标是可满足的，并获得了证明的因果解释结构。6.7基于解释的学习构造解释结构通常有两种方式:一是将问题求解的每一步推理所用的算子汇集，构成动作序列作为解释结构；另一种是采用自顶向下的方法对证明树的结构进行遍历。前者比较概括，略去了关于实例的某些事实描述；后者比较细致，每个事实都出现在证明树中。解释的构造既可以在问题求解的同时进行，也可在问题求解结束后，沿着解路径进行。这两种方式形成了边解边学和解完再学两种方法。6.7基于解释的学习（2）对得到的解释结构进行一般化处理，获取一般性的知识。这一步的任务是对上一步得到的解释结构进行一般化处理，从而得到关于目标概念的一般性知识。处理的方法通常是将常量转换为变量，即把例子中的某些具体数据换成变量，并略去某些不重要的信息，只保留求解所必需的那些关键信息，经过某种方式的组合，形成产生式规则，从而获得以后可应用的一般性知识。