27人工智能及其應(yīng)用蔡自興第四版.pptx

1、人 工 智 能1第七章 機(jī)器學(xué)習(xí)7.1 機(jī)器學(xué)習(xí)的定義、研究意義與發(fā)展歷史 7.2 機(jī)器學(xué)習(xí)的主要策略與基本結(jié)構(gòu)7.3 7.7 幾種常用的學(xué)習(xí)方法7.8 知識(shí)發(fā)現(xiàn)7.9 小結(jié)2 7.1 機(jī)器學(xué)習(xí)的定義和發(fā)展歷史7.1.1 機(jī)器學(xué)習(xí)的定義機(jī)器學(xué)習(xí)的定義 顧名思義,機(jī)器學(xué)習(xí)是研究如何使用機(jī)器來模擬人類學(xué)習(xí)活動(dòng)的一門學(xué)科。稍為嚴(yán)格的提法是：機(jī)器學(xué)習(xí)是一門研究機(jī)器獲取新知識(shí)和新技 能,并識(shí)別現(xiàn)有知識(shí)的學(xué)問。 37.1.2機(jī)器學(xué)習(xí)的發(fā)展史機(jī)器學(xué)習(xí)的發(fā)展分為4個(gè)時(shí)期第一階段是在50年代中葉到60年代中葉，屬于熱烈時(shí)期。第二階段在60年代中葉至70年代中葉，被稱為機(jī)器學(xué)習(xí)的冷靜時(shí)期。第三階段從70年代中葉至

2、80年代中葉，稱為復(fù)興時(shí)期。機(jī)器學(xué)習(xí)的最新階段始于1986年 。7.1 機(jī)器學(xué)習(xí)的定義和發(fā)展歷史4機(jī)器學(xué)習(xí)進(jìn)入新階段的表現(xiàn)機(jī)器學(xué)習(xí)已成為新的邊緣學(xué)科并在高校形成課程。綜合各種學(xué)習(xí)方法 機(jī)器學(xué)習(xí)與人工智能問題的統(tǒng)一性觀點(diǎn)正在形成。各種學(xué)習(xí)方法的應(yīng)用范圍不斷擴(kuò)大。數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的研究已形成熱潮 。與機(jī)器學(xué)習(xí)有關(guān)的學(xué)術(shù)活動(dòng)空前活躍 。 7.1 機(jī)器學(xué)習(xí)的定義和發(fā)展歷史57. 2 機(jī)器學(xué)習(xí)的主要策略和基本結(jié)構(gòu) 7.2.1 機(jī)器學(xué)習(xí)的主要策略 按照學(xué)習(xí)中使用推理的多少，機(jī)器學(xué)習(xí)所采用的策略大體上可分為4種機(jī)械學(xué)習(xí)、傳授學(xué)習(xí)、類比學(xué)習(xí)和示例學(xué)習(xí)。機(jī)械學(xué)習(xí)（死記硬背）傳授學(xué)習(xí)（灌輸；推理、翻譯、轉(zhuǎn)化）類

3、比學(xué)習(xí)（模仿；尋找相似的案例）示例學(xué)習(xí)（舉一反三,歸納，抽象）67.2.2 機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu) 1.學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu) 環(huán) 境學(xué) 習(xí)知識(shí)庫(kù)執(zhí) 行圖6.1 學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)7.2 機(jī)器學(xué)習(xí)的主要策略和基本結(jié)構(gòu)72.影響學(xué)習(xí)系統(tǒng)設(shè)計(jì)的要素影響學(xué)習(xí)系統(tǒng)設(shè)計(jì)的最重要因素是環(huán)境向系統(tǒng)提供的信息，或者更具體地說是信息的質(zhì)量。 知識(shí)庫(kù)是影響學(xué)習(xí)系統(tǒng)設(shè)計(jì)的第二個(gè)因素。知識(shí)的表示有特征向量、一階邏輯語(yǔ)句、產(chǎn)生式規(guī)則、語(yǔ)義網(wǎng)絡(luò)和框架等多種形式。選擇知識(shí)表達(dá)方式的四原則：表達(dá)能力推理能力修改能力擴(kuò)展能力7.2 機(jī)器學(xué)習(xí)的主要策略和基本結(jié)構(gòu)87.3 機(jī)械學(xué)習(xí)1.機(jī)械學(xué)習(xí)模式 機(jī)械學(xué)習(xí)是最簡(jiǎn)單的學(xué)習(xí)方法。機(jī)械學(xué)習(xí)

4、就是記憶，即把新的知識(shí)存儲(chǔ)起來，供需要時(shí)檢索調(diào)用，而不需要計(jì)算和推理。它是一種最基本的學(xué)習(xí)過程。特點(diǎn)：忽略推理、計(jì)算過程，提高效率 7.3 機(jī)械學(xué)習(xí)9存儲(chǔ)計(jì)算推導(dǎo)歸納算法與理論機(jī)械記憶搜索規(guī)則圖7.2 數(shù)據(jù)化簡(jiǎn)級(jí)別圖 Lenat，Hayes-Roth，和Klahr等人于1979年關(guān)于機(jī)械學(xué)習(xí)提出一種有趣的觀點(diǎn)，見圖7.2。7.3 機(jī)械學(xué)習(xí)102.機(jī)械學(xué)習(xí)的主要問題存儲(chǔ)組織信息：要采用適當(dāng)?shù)拇鎯?chǔ)方式，使檢索速度盡可能地快。提高檢索效率：索引、排序、雜湊環(huán)境的穩(wěn)定性與存儲(chǔ)信息的適用性問題：機(jī)械學(xué)習(xí)系統(tǒng)必須保證所保存的信息適應(yīng)于外界環(huán)境變化的需要。知識(shí)過時(shí)，設(shè)置有效期存儲(chǔ)與計(jì)算之間的權(quán)衡：對(duì)于機(jī)械學(xué)

5、習(xí)來說很重要的一點(diǎn)是它不能降低系統(tǒng)的效率。重新計(jì)算比檢索更省有效率時(shí)，失去意義；方法：設(shè)置存儲(chǔ)量閥值；選擇忘卻7.3 機(jī)械學(xué)習(xí)11 7.4 歸納學(xué)習(xí)歸納學(xué)習(xí)（induction learning）是應(yīng)用歸納推理進(jìn)行學(xué)習(xí)的一種方法。根據(jù)歸納學(xué)習(xí)有無教師指導(dǎo)，可把它分為示例學(xué)習(xí)和觀察與發(fā)現(xiàn)學(xué)習(xí)。（從個(gè)別到一般）7.4.1 歸納學(xué)習(xí)的模式和規(guī)則 歸納學(xué)習(xí)的模式 其一般模式如下：給定：觀察陳述（事實(shí)）F，假定的初始斷言（可能為空），背景知識(shí)（領(lǐng)域知識(shí)，約束，假設(shè)，優(yōu)先準(zhǔn)則）求：歸納斷言（假設(shè)）H12假設(shè)H永真蘊(yùn)涵事實(shí)F，說明F是H的邏輯推理，則有：H | F 或 F | H ；選擇型概括，構(gòu)造性概括：

6、選擇性概括規(guī)則：取消部分條件放松條件沿概念樹上溯形成閉合區(qū)域?qū)⒊Ａ哭D(zhuǎn)化成變量 解釋過程 實(shí)例空間 規(guī)則空間 規(guī)劃過程 137.4.2 歸納學(xué)習(xí)方法1. 示例學(xué)習(xí)（learning from examples）動(dòng)物識(shí)別中醫(yī)診斷2. 觀察發(fā)現(xiàn)學(xué)習(xí)（learning from observation and discovery）觀察學(xué)習(xí)：事例聚類，形成概念描述；機(jī)器發(fā)現(xiàn)：發(fā)現(xiàn)規(guī)律，產(chǎn)生定理或規(guī)則；147.5 類比學(xué)習(xí)7.5.1 類比推理和類比學(xué)習(xí)方式 類比學(xué)習(xí)（learning by analogy）就是通過類比，即通過對(duì)相似事物加以比較所進(jìn)行的一種學(xué)習(xí) 。其推理過程如下 ：回憶與聯(lián)想 選擇 建立對(duì)

7、應(yīng)關(guān)系轉(zhuǎn)換 P(a) Q(a) , P(a) P(b) Q(b)Q(a) 157.5.2 類比學(xué)習(xí)過程與研究類型類比學(xué)習(xí)主要包括如下四個(gè)過程：輸入一組已知條件和一組未完全確定的條件 。對(duì)兩組出入條件尋找其可類比的對(duì)應(yīng)關(guān)系。根據(jù)相似轉(zhuǎn)換的方法，進(jìn)行映射。對(duì)類推得到的知識(shí)進(jìn)行校驗(yàn)。7.5 類比學(xué)習(xí)16類比學(xué)習(xí)的研究可分為兩大類： (1) 問題求解型的類比學(xué)習(xí) (2) 預(yù)測(cè)推定型的類比學(xué)習(xí)。它又分為兩種方式： 一是傳統(tǒng)的類比法 另一是因果關(guān)系型的類比 7.5 類比學(xué)習(xí)177.6 解釋學(xué)習(xí)(explanation-based learning)7.6.1 解釋學(xué)習(xí)過程和算法 1986年米切爾（Mitc

8、hell）等人為基于解釋的學(xué)習(xí)提出了一個(gè)統(tǒng)一的算法EBG： 訓(xùn)練例子 操作準(zhǔn)則 知識(shí)庫(kù) 新規(guī)則 目標(biāo)概念18EBG求解問題的形式可描述于下:給定：(1) 目標(biāo)概念描述TC；(2) 訓(xùn)練實(shí)例TE；(3) 領(lǐng)域知識(shí)DT；(4) 操作準(zhǔn)則OC。求解：訓(xùn)練實(shí)例的一般化概括，使之滿足：(1) 目標(biāo)概念的充分概括描述TC；(2) 操作準(zhǔn)則OC。7.6 解釋學(xué)習(xí)197.7 神經(jīng)學(xué)習(xí)7.7.1 基于反向傳播網(wǎng)絡(luò)的學(xué)習(xí) 反向傳播（back-propagation,BP）算法是一種計(jì)算單個(gè)權(quán)值變化引起網(wǎng)絡(luò)性能變化值的較為簡(jiǎn)單的方法。BP算法過程包含從輸出節(jié)點(diǎn)開始，反向地向第一隱含層傳播由總誤差引起的權(quán)值修正。20

9、BP算法網(wǎng)絡(luò)模型：BP網(wǎng)絡(luò)的前向計(jì)算關(guān)系：以三層網(wǎng)絡(luò)為例，n個(gè)輸入結(jié)點(diǎn)，m個(gè)輸出結(jié)點(diǎn)，H個(gè)隱層結(jié)點(diǎn)，訓(xùn)練樣本由（xk，dk）（k=1,2p）組成訓(xùn)練對(duì)，轉(zhuǎn)移函數(shù)微f（）當(dāng)輸入第k個(gè)樣本數(shù)據(jù)時(shí)隱層結(jié)點(diǎn)h與輸出層結(jié)點(diǎn)j的加權(quán)和與輸出分別為：x1x2xny1y2ymWihWhjd1e2dme1emyh(k)xi(k)yj(k)21BP算法的權(quán)值調(diào)整方法：令輸出結(jié)點(diǎn)家j的誤差為 則k個(gè)訓(xùn)練樣本的誤差平方和為性能指標(biāo)隱層到輸出層的權(quán)值調(diào)整（梯度法）：輸入層到隱層的權(quán)值調(diào)整（梯度法）： BP網(wǎng)絡(luò)的訓(xùn)練步驟：用小隨機(jī)數(shù)初始化網(wǎng)絡(luò)各層權(quán)值；樣本數(shù)據(jù)輸入；誤差計(jì)算；權(quán)值變化量計(jì)算；權(quán)值調(diào)整227.7.2 基于H

10、opfield網(wǎng)絡(luò)的學(xué)習(xí) 反饋神經(jīng)網(wǎng)絡(luò)，它是一種動(dòng)態(tài)反饋系統(tǒng)，比前饋網(wǎng)絡(luò)具有更強(qiáng)的計(jì)算能力。 Hopfield網(wǎng)絡(luò)是一種具有正反相輸出的帶反饋人工神經(jīng)元。7.7 神經(jīng)學(xué)習(xí)23反饋型神經(jīng)網(wǎng)絡(luò)（Hopfield網(wǎng)絡(luò)）Hopfield網(wǎng)絡(luò)結(jié)構(gòu)Hopfield離散隨機(jī)網(wǎng)絡(luò)是Hopfield于1982提出的，1984年又提出了連續(xù)時(shí)間模型。一般在進(jìn)行計(jì)算機(jī)仿真時(shí)采用離散模型，而在硬件實(shí)現(xiàn)時(shí)采用連續(xù)模型。Hopfield網(wǎng)絡(luò)的重要意義；f (.)f (.)f (.)I1I2InVnV2V1W2nW22W1224一種特定的Hopfield離散網(wǎng)絡(luò)的特性（CAM）f(.)=sign(.) 網(wǎng)絡(luò)計(jì)算： Hopf

11、ield證明當(dāng)WijWji，網(wǎng)絡(luò)是收斂的。 數(shù)據(jù)網(wǎng)絡(luò)演變方式：同步與異步網(wǎng)絡(luò)的穩(wěn)定性：穩(wěn)定吸引子、極限環(huán)狀態(tài)、狀態(tài)發(fā)散Hopfiled算法：（1）設(shè)置互聯(lián)權(quán)值 具有m個(gè)樣本，x為輸入樣本變量，為1或-1的n維向量；（2）對(duì)未知類別的采樣初始化yi(0)=xi 0=i=n-1（3）迭代運(yùn)算：（4）網(wǎng)絡(luò)收斂，則結(jié)束；否則轉(zhuǎn)（2）257.8 知識(shí)發(fā)現(xiàn)7.8.1 知識(shí)發(fā)現(xiàn)的發(fā)展和定義知識(shí)發(fā)現(xiàn)的產(chǎn)生和發(fā)展 知識(shí)發(fā)現(xiàn)最早是于1989年8月在第11屆國(guó)際人工智能聯(lián)合會(huì)議的專題討論會(huì)上提出。知識(shí)發(fā)現(xiàn)的定義 數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)是從大量數(shù) 據(jù)中辨識(shí)出有效的、新穎的、潛在有用的、并可被理解的 模式的高級(jí)處理過程 。

12、數(shù)據(jù)集、新穎、潛在有用、可被人理解的、模式、高級(jí)過程267.8.2 知識(shí)發(fā)現(xiàn)的處理過程 1. 數(shù)據(jù)選擇。根據(jù)用戶的需求從數(shù)據(jù)庫(kù)中提取與KDD相關(guān)的數(shù)據(jù)。 2. 數(shù)據(jù)預(yù)處理。主要是對(duì)上述數(shù)據(jù)進(jìn)行再加工，檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性，對(duì)丟失的數(shù)據(jù)利用統(tǒng)計(jì)方法進(jìn)行填補(bǔ)，形成發(fā)掘數(shù)據(jù)庫(kù)。 7.8 知識(shí)發(fā)現(xiàn)273. 數(shù)據(jù)變換。即從發(fā)掘數(shù)據(jù)庫(kù)里選擇數(shù)據(jù)4.數(shù)據(jù)挖掘。根據(jù)用戶要求，確定KDD的目標(biāo)是發(fā)現(xiàn)何種類型的知識(shí)。5. 知識(shí)評(píng)價(jià)。這一過程主要用于對(duì)所獲得的規(guī)則進(jìn)行價(jià)值評(píng)定，以決定所得的規(guī)則是否存入基礎(chǔ)知識(shí)庫(kù)。 7.8 知識(shí)發(fā)現(xiàn)287.8.3 知識(shí)發(fā)現(xiàn)的方法 1.統(tǒng)計(jì)方法：統(tǒng)計(jì)方法是從事物的外在數(shù)量上的表現(xiàn)去推斷該事物可能的規(guī)律性。（1）傳統(tǒng)方法：收集數(shù)據(jù)，分析數(shù)據(jù)，進(jìn)行推理（回歸分析，判別方法，聚類分析，探索性分析）（2）模糊集（3）支持向量機(jī)（SVM）（4）粗糙集：具有三值隸屬函數(shù)的模糊集，肯定屬于、也許屬于、肯定不屬于該概念。7.8 知識(shí)發(fā)現(xiàn)292. 機(jī)器學(xué)習(xí)方法（1）規(guī)則歸納 如：AQ算法（2）決策樹（3）范例推理（4）貝葉斯信念網(wǎng)絡(luò)（5）科學(xué)發(fā)現(xiàn) 如：BACON系統(tǒng)（6）遺傳算法 3