第五章 机器学习与智能决策支持系统1.ppt

机器学习----概念 概念：学习和解决问题是人类最重要的两个智能行为。机器学习是让计算机模拟和实现人类的学习能力和获取知识的能力,是计算机具有智能的重要标志。 学习的特点： 学习是知识的获取 学习是系统在相似的任务中，做一些适应性的变化，使得在下一次类似的任务中做的更好。 机器学习的发展、特点与应用 20世纪80年代中期是机器学习发展的必威体育精装版阶段，机器学习进入连接机制学习（如：神经网络学习）阶段，目前对连接机制(connectionism)学习方法的研究方兴未艾，机器学习的研究已在全世界范围内出现新的高潮，对机器学习的基本理论和综合系统的研究得到了加强和发展。 机器学习是以心理学、生物学和神经生理学以及数学、自动化和计算机科学等为理论基础的，其各种各样的学习方法的应用范围不断扩大，相当一部分已形成商品。 如：归纳学习的知识获取工具已在诊断分类专家系统中广泛使用。 连接学习在语音识别和图像识别中占有优势。 分析学习已用于设计综合型专家系统。 现阶段机器学习的研究特点 遗传算法与强化学习在工程控制中有着较好的应用 与符号系统耦合的神经网络连接学习在企业的智能管理与智能机器人运动规划中发挥作用。目前，将多种学习方法综合集成的系统研究正在兴起，尤其是连接学习和符号学习的耦合，可以更好地解决连续性信号处理中知识和技能的获取与求精问题，因而受到重视。机器学习的研究已不仅是人工智能领域的重要问题，而且它已经成为计算机科学的核心问题，并提出几个迫切需要解决的问题： 机器学习研究中迫切需要解决的问题 ①计算的个性化，它涉及许多复杂的问题，主要解决计算机对用户需求的适应计算问题。这种适应性计算是建立在指令空间还是建立在情感空间将产生两类完全不同的计算系统。06年8月IEEE将在我国新疆举行第一届普适计算（Pervasive Computing）国际会议 ②由于机器学习中的许多算法受启于认知心理学与神经生理学等非精确科学，这些算法或多或少地存在随意性，理论描述较为缺乏。使用更精确的数学方法深入地研究机器学习中的理论问题，已是当务之急。 ③对结构化和非结构化海量数据的理解，即所发展的机器学习算法必须能够解决海量数据的理解问题，这是开展机器学习研究和评价研究结果的重要条件。 机器学习的基本模型 一个学习系统应该满足这样一些基本的要求： 1．具有合适的学习环境：学习环境是指学习系统进行学习时的信息来源(如：文本分类学习的学习环境是数据集被特征提取之后的特征子集）。相当于：为学生提供信息的教师、书本以及各种实验条件等。毫无疑问，没有学习环境，学生就不可能学习到新的知识以及运用所学到的知识来解决问题。 2．具有一定的学习能力：学习环境为学习系统提供了相应的信息和基础，学习系统还必须具备一定的学习能力和适当的学习方法，否则也学不到知识或者不会有好的学习效果。正如在同样的学习环境中，不同的学生，他们的学习能力和学习方法不同，他们的学习效果也往往大相径庭。 3．能够运用所学到的知识来求解问题学习系统之所以有意义有价值，是在于可以学以致用。和人类学习一样，一个学习系统如果不能将所学到的知识用于实际问题的解决，那么学习也就失去了其最重要的作用和意义。学习系统应该能够将所学到的信息用于未来的估计、分类、决策和控制，以便改进系统的性能。 4．通过学习提高自身的性能改进系统性能是学习的三个要点之一。一个学习系统应该能够通过学习增长知识，提高技能，改进性能，使自己能够做一些原来无法做到的事，或者可以将原先能做到的事做得更好。一个学习系统至少应该包括这样四个重要环节：环境、学习单元、知识库和执行单元，它们之间的关系如图1—1所示1、环境与学习单元：环境是向系统提供信息，它可以是系统的工作对象，也可以是工作对象或客体所处的外界条件。环境是影响学习系统设计的一个非常重要的因素，或者更严格地说，环境所提供信息的水平和质量是影响学习系统设计的一个非常重要的因素。 所谓信息的水平是指信息的普遍化程度，或者说是指信息适用范围的广泛度。环境所提供的信息无论是高水平的还是低水平的，它们与执行单元所需要的信息往往都是有差距的，学习单元就是要缩小这种差距。 高水平信息的普遍化程度较高，其适应范围较广，这时，学习系统通常要补充遗漏的细节，以便执行单元将其用于更具体的情况。相反，低水平信息的普遍化程度较低，其适应范围较窄，只适应个别问题，例如环境向学习系统提供的是杂乱无章的、指导执行具体动作的具体信息，则学习系统需要在获得足够的数据之后，删去其不必要的细节，然后再进行总结推广，形成指导动作的一般规则。这样学习单元的任务就比较重，设计起来自然就较为困难。2、知识库：是影响学习系统设计的第二个重要的因素。如何进行有效的知识表示一直是人工智能领域中一个重要的研究方向。知识库的形式与知识的表示直接