人工智能 课件 第五章 机器学习.pptx

人工智能

第5章机器学习

本章提纲

5.1机器学习基础

……

5.2神经网络

………

5.3深度神经网络

5.4学习技巧

5.5机器学习在电力工程中的应用

本章提纲

5.1机器学习基础

……

5.2神经网络

………

5.3深度神经网络

…

5.4学习技巧

5.5机器学习在电力工程中的应用

…

5.1.1机器学习的基本概念

◆什么是学习

·系统改进其性能的过程

·获取知识的过程

·技能的获取

·事物规律的发现过程

综合来看，学习是一个有特定目的的知识获取过程，具体表现

为对知识、经验、规律进行学习，以达到性能优化、环境适应和自

我完善。

◆机器学习

·使计算机完成上述的学习功能，通过自动或被动的知识、技能获

取，为之后的人工智能应用进行准备。

5.1.2机器学习的研究历史

◆20世纪50年代中期

·研究工作：应用决策理论的方法研制可适应环境的通用学习系统

·基本思想：给系统一组刺激、一个反馈源和修改自身组织的自由

度，系统就可以自适应地趋向最优组织

·代表：罗森布拉特(Rosen-blatt)的感知器

◆20世纪70年代中期

·研究方向：用逻辑的演绎及归纳推理代替数值的或统计的方法

·重要成果举例：斯托夫的指导式学习、温斯顿和卡鲍尼尔的类比

学习以及米切尔等人提出的解释学习

◆20世纪80年代到21世纪初

·研究特点：符号学习和连接学习取得较大进展，开始把符号学习

与连接学习结合起来进行研究

·重要成果举例：里奇(E.Rich)开发的集成系统

5.1.3机器学习的分类

◆演绎学习

·以演绎推理为基础的学习

◆非监督学习

·在不提供或不足量提供显式反馈的情况下，完成对输入分布的学

习

·可分为无监督学习、半监督学习和自监督学习

(1)无监督学习

·不依赖任何标签值，通过挖掘数据本身的结构或特征完成任务

·主要包括：①聚类(K-means,谱聚类等)②降维(线性降维：

PCA等；非线性降维：SOM、KernelPCA等；图上降维：图嵌入

等)③离散点检测(主要应用于异常检测)

5.1.3机器学习的分类

◆非监督学习

(2)半监督学习

·让学习器不依赖外界交互，自动利用未标记样本提升学习性能

·分类：

①无标签数据预训练网络后有标签数据微调

②利用从网络得到的深度特征来做半监督算法

(3)自监督学习

·标注源于数据本身，而非人工标注

·主要用于特定类型数据的生成，其生成的数据可用于预测、调试

优化模型等

◆强化学习

·人工智能在强化序列(奖赏和惩罚组合的序列)中学习

5.1.3机器学习的分类

◆监督学习

·观察某些“输入-输出”对，学习从输入到输出的映射函数

·给定N个“输入-输出”对(X₁Y₁),(X₂,Y₂),.….,(XNYN)

·假设存在一个未知函数f,Yi=f(Xi)

·学习目标：发现一个函数h使其尽可能逼近f

·函数f不一定是X的严格函数，h要学习的是一个条件概率分布

P(Y|X)

·分类：当输出Y的值集是有限集合时，学习问题称为分类

·布尔或二元分类：值集Y仅含两个元素

·回归：Y的值是数值型的

本章提纲

5.1机器学习基础

…

5.2神经网络