高級人工智能課件6

人工智能ArtificialIntelligence7/21/20231安徽大學計算機科學與技術(shù)學院第六章機器學習6.1機器學習的定義、研究意義與發(fā)展歷史6.2機器學習的主要策略與基本結(jié)構(gòu)6.3–6.7幾種常用的學習方法6.8知識發(fā)現(xiàn)6.9小結(jié)7/21/20232安徽大學計算機科學與技術(shù)學院

6.1機器學習的定義和發(fā)展歷史6.1.1機器學習的定義機器學習的定義顧名思義,機器學習是研究如何使用機器來模擬人類學習活動的一門學科。稍為嚴格的提法是：機器學習是一門研究機器獲取新知識和新技能,并識別現(xiàn)有知識的學問。

7/21/20233安徽大學計算機科學與技術(shù)學院6.1.2 機器學習的發(fā)展史機器學習的發(fā)展分為4個時期第一階段是在50年代中葉到60年代中葉，屬于熱烈時期。無知識、自組織、自適應、修改參數(shù)第二階段在60年代中葉至70年代中葉，被稱為機器學習的冷靜時期。消解，歸納學習第三階段從70年代中葉至80年代中葉，稱為復興時期。示例學習機器學習的最新階段始于1986年。網(wǎng)絡(luò)、遺傳、挖掘7/21/20234安徽大學計算機科學與技術(shù)學院機器學習進入新階段的表現(xiàn)機器學習已成為新的邊緣學科并在高校形成課程。綜合各種學習方法

機器學習與人工智能問題的統(tǒng)一性觀點正在形成。各種學習方法的應用范圍不斷擴大。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的研究已形成熱潮。與機器學習有關(guān)的學術(shù)活動空前活躍。

7/21/20235安徽大學計算機科學與技術(shù)學院6.2

機器學習的主要策略和基本結(jié)構(gòu)

6.2.1機器學習的主要策略按照學習中使用推理的多少，機器學習所采用的策略大體上可分為4種———機械學習、通過傳授學習、類比學習和通過事例學習。機械學習傳授學習類比學習系統(tǒng)通過事例學習7/21/20236安徽大學計算機科學與技術(shù)學院6.2.2機器學習系統(tǒng)的基本結(jié)構(gòu)

1.學習系統(tǒng)的基本結(jié)構(gòu)

學習執(zhí)行圖6.1學習系統(tǒng)的基本結(jié)構(gòu)環(huán)境知識庫7/21/20237安徽大學計算機科學與技術(shù)學院2.影響學習系統(tǒng)設(shè)計的要素影響學習系統(tǒng)設(shè)計的最重要因素是環(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。知識庫是影響學習系統(tǒng)設(shè)計的第二個因素。知識的表示有特征向量、一階邏輯語句、產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)和框架等多種形式。7/21/20238安徽大學計算機科學與技術(shù)學院6.3機械學習1.機械學習模式機械學習是最簡單的學習方法。機械學習就是記憶，即把新的知識存儲起來，供需要時檢索調(diào)用，而不需要計算和推理。它是一種最基本的學習過程。

(X1,X2,…,Xn)→(Y1,Y2,…,Yp)((X1,X2,…,Xn),

(Y1,Y2,…,Yp))7/21/20239安徽大學計算機科學與技術(shù)學院存儲計算推導歸納算法與理論機械記憶搜索規(guī)則圖6.2數(shù)據(jù)化簡級別圖

Lenat，Hayes-Roth，和Klahr等人于1979年關(guān)于機械學習提出一種有趣的觀點，見圖6.2。7/21/202310安徽大學計算機科學與技術(shù)學院

2.機械學習的主要問題存儲組織信息：要采用適當?shù)拇鎯Ψ绞?，使檢索速度盡可能地快。環(huán)境的穩(wěn)定性與存儲信息的適用性問題：機械學習系統(tǒng)必須保證所保存的信息適應于外界環(huán)境變化的需要。存儲與計算之間的權(quán)衡：對于機械學習來說很重要的一點是它不能降低系統(tǒng)的效率。7/21/202311安徽大學計算機科學與技術(shù)學院

6.4歸納學習歸納學習（inductionlearning）是應用歸納推理進行學習的一種方法。根據(jù)歸納學習有無教師指導，可把它分為示例學習和觀察與發(fā)現(xiàn)學習。6.4.1歸納學習的模式和規(guī)則

1.歸納學習的模式

解釋過程實例空間規(guī)則空間規(guī)劃過程7/21/202312安徽大學計算機科學與技術(shù)學院

6.4歸納學習2.歸納概括規(guī)則 變型(版本)空間(VersionSpace)

取消部分條件(去合取)Suit(C,clubs)Rank(C,7)→草花Suit(C,clubs)

→草花放松條件(加析取)Suit(C1,clubs)Rank(C1,7)→草花(Suit(C1,clubs)Rank(C1,7))

(Suit(C2,clubs)Rank(C2,8))

→草花7/21/202313安徽大學計算機科學與技術(shù)學院

6.4歸納學習2.歸納概括規(guī)則 變型空間(VersionSpace)

沿概念樹上塑(個別到一般)Suit(C1,clubs)Rank(C1,9)→草花

………………Suit(Cn,clubs)Rank(Cn,3)→草花Suit(Cm,clubs)Rank(Cm,J)→草花Suit(C,clubs)Rank(C,[L=S])

→草花形成閉合區(qū)域Youth(P1,18)

→青年； Youth(P2,25)

→青年Youth(P,[18，25])

→青年將常量轉(zhuǎn)換為變量Suit(C,clubs)Rank(C,7)→草花Suit(C,clubs)Rank(C,x)→草花7/21/202314安徽大學計算機科學與技術(shù)學院

6.4歸納學習6.4.2歸納學習方法規(guī)則空間空描述訓練示例較一般較具體假設(shè)集合GSP251規(guī)則空間的結(jié)構(gòu)假設(shè)(概念)空間的結(jié)構(gòu)7/21/202315安徽大學計算機科學與技術(shù)學院6.5類比學習6.5.1類比推理和類比學習方式類比學習（learningbyanalogy）就是通過類比，即通過對相似事物加以比較所進行的一種學習。其推理過程如下：回憶與聯(lián)想---選擇---建立對應關(guān)系---轉(zhuǎn)換

7/21/202316安徽大學計算機科學與技術(shù)學院6.5類比學習6.5.1類比推理和類比學習方式aS(源域),bT(目標域)，P,Q為性質(zhì)

P(a)∧Q(a),P(a)≌P(b)┣Q(b)回憶與聯(lián)想：找出P(a)→Q(a)選擇：找出一般規(guī)律P(x)→Q(x),xS建立對應關(guān)系:P(x)→Q(x),xT轉(zhuǎn)換:P(b),P(x)→Q(x)┣Q(b)7/21/202317安徽大學計算機科學與技術(shù)學院6.5.2類比學習過程與研究類型類比學習主要包括如下四個過程：輸入一組已知條件和一組未完全確定的條件。對兩組出入條件尋找其可類比的對應關(guān)系。根據(jù)相似轉(zhuǎn)換的方法，進行映射。對類推得到的知識進行校驗。7/21/202318安徽大學計算機科學與技術(shù)學院類比學習的研究可分為兩大類：

(1)問題求解型的類比學習

(2)預測推定型的類比學習。它又分為兩種方式：一是傳統(tǒng)的類比法:解決問題與以前相似的比較。

另一是因果關(guān)系型的類比：找出事物的其他屬性；A’,A→B┣A’→B’7/21/202319安徽大學計算機科學與技術(shù)學院6.6解釋學習6.6.1解釋學習過程和算法

1986年米切爾（Mitchell）等人為基于解釋的學習提出了一個統(tǒng)一的算法EBG：訓練例子操作準則知識庫新規(guī)則目標概念7/21/202320安徽大學計算機科學與技術(shù)學院EBG求解問題的形式可描述于下:給定：(1)目標概念描述TC(TargetConcept)

；(2)訓練實例TE(TrainingExample)

；(3)領(lǐng)域知識DT(DomainTheory)；(4)操作準則OC(OperationalityCriterion)

。求解：訓練實例的一般化概括，使之滿足：(1)目標概念的充分概括描述TC；(2)操作準則OC。7/21/202321安徽大學計算機科學與技術(shù)學院6.6.2解釋學習舉例例6.2已知：物體x、y，使safe-to-stack(x,y)有：

safe-to-stack(x,y)→~fragile(y)∨lighter(x,y)

事實：

on(a,b); isa(a,brick); isa(b,endtable); volume(a,1); density(a,1); weight(b,5); times(1,1,1); less(1,5)……安全準則：

lighter(x,y)→safe-to-stack(x,y) weight(P1,W1)∧weight(P2,W2)∧less(W1,W2)→lighter(P1,P2) volume(P,V)∧density(P,D)∧times(V,D,W)→weight(P,W)

isa(P,endtable)∧weight(endtable,5)→weight(P,5)7/21/202322安徽大學計算機科學與技術(shù)學院safe-to-stack解釋的證明樹safe-to-stack(a,b)lighter(a,b)weight(b,w2)times(V,D,w1)less(w1,w2)weight(a,w1)less(1,5)volume(a,V)isa(b,endtable)density(a,D)weight(b,w2)volume(a,1)density(a,1)times(1,1,1)weight(b,5)volume(X,V)∧density(X,D)∧times(V,D,W1)∧isa(Y,endtable)∧weight(Y,W2)∧less(W1,W2)→safe-to-stack(X,Y)5/w21/w1,5/w21/w11/D1/V7/21/202323安徽大學計算機科學與技術(shù)學院6.7神經(jīng)學習6.7.1基于反向傳播網(wǎng)絡(luò)的學習

反向傳播（back-propagation,BP）算法是一種計算單個權(quán)值變化引起網(wǎng)絡(luò)性能變化值的較為簡單的方法。BP算法過程包含從輸出節(jié)點開始，反向地向第一隱含層傳播由總誤差引起的權(quán)值修正。7/21/202324安徽大學計算機科學與技術(shù)學院6.7.2基于Hopfield網(wǎng)絡(luò)的學習反饋神經(jīng)網(wǎng)絡(luò)，它是一種動態(tài)反饋系統(tǒng)，比前饋網(wǎng)絡(luò)具有更強的計算能力。

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。7/21/202325安徽大學計算機科學與技術(shù)學院

6.8知識發(fā)現(xiàn)

6.8.1知識發(fā)現(xiàn)的發(fā)展和定義知識發(fā)現(xiàn)的產(chǎn)生和發(fā)展

知識發(fā)現(xiàn)最早是于1989年8月在第11屆國際人工智能聯(lián)合會議的專題討論會上提出。知識發(fā)現(xiàn)的定義

數(shù)據(jù)庫中的知識發(fā)現(xiàn)是從大量數(shù)據(jù)中辨識出有效的、新穎的、潛在有用的、并可被理解的模式的高級處理過程。7/21/202326安徽大學計算機科學與技術(shù)學院6.8.2知識發(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)庫中提取與KDD相關(guān)的數(shù)據(jù)。

2.數(shù)據(jù)預處理。主要是對上述數(shù)據(jù)進行再加工，檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性，對丟失的數(shù)據(jù)利用統(tǒng)計方法進行填補，形成發(fā)掘數(shù)據(jù)庫。

7/21/202327安徽大學計算機科學與技術(shù)學院3.數(shù)據(jù)變換。即從發(fā)掘數(shù)據(jù)庫里選擇數(shù)據(jù)4.數(shù)據(jù)挖掘。根