机械学习——类学习.ppt

  1. 1、本文档共15页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
机械学习——类学习

引言 机械学习是一种单纯依靠记忆学习材料,而避免去理解其复杂内部和主题推论的学习方法。平时多称为死记、死背或死记硬背。 由美国心理学家奥苏伯尔提出与机械学习相对的有意义学习概念,指符号所代表的新知识与学习者认知结构中已有的知识建立非实质性的和人为的联系。 这个理念也可以被描述为类比学习,这是一种很重要、很有效的学习方略。运用类比,可迅速地把新旧知识进行对比、联系,可迅速发现同中的异,更加清晰地理解知识;找出异中的同,构建知识网络。 内容提要 一、 什么是类比学习 二、 类比学习的泛化规则 三、 转换类比学习 四、 派生类比学习 五、 联想类比学习 六、 类比学习方法 七、 类比学习法种类 八、 类比创意设计硕果 一、类比学习(learning by analogy) (一)类比学习: 类比学习是把两个或两类事物或情形进行比较,找出它们在某一对象层上的相似关系,并以这种关系为依据,把某一事物或情形的有关知识加以适当整理(或变换)对应到另一事物或情况,从而获得求解另一事物或情形的知识。 二、类比学习的泛化规则 四、派生类比学习 五、联想类比学习 六、类比学习方法 七、类比学习法种类 八、类比创意设计硕果 小结 * 制作人:李品品 学号:31 日期:2010.12.14 类比:类比是人类应用过去的经验来求解新问题的一种思维过程。 (二)类比的重要性: 1、类比现象普遍存在。 2、类比在人的思维中扮演着极为重要的角色。 3、比喻的使用。 4、在计算机上实现类比问题求解系统可以使计算机也具有创造性思维。 (三)类比学习的过程 1、联想有哪些信誉好的足球投注网站匹配 2、检验相似程度 3、修正变换求解 4、更新知识库 (四)类比学习在求解过程中要明确的问题 1、问题特征怎样抽取 2、相似性测度及计算方法如何确定 3、如何有哪些信誉好的足球投注网站相似的问题 4、怎样找出对应关系,如何匹配 5、老问题的解如何变换地到新问题的解 6、如何更新知识库 获取解的一般过程;插曲记忆组织与重构;T操作符的 改善与获取 获取解的一般过程 1、类比器产生一个新问题后,若经 过测试,该解满足新问题的要求, 则该解加入正例集; 2、若该解不满足新问题,则记录失 败原因,并将该解加入反例集; 3、归纳正例集和反例集,产生一条 规则,能指导所有正例集中的成功解 ,而不满足反例集中任一不成功解; 4、通过对反例容易与正例混淆的 分析可以提出范化规则结构的正例; 5、当类比器无法求解时获得的信息 可作为加强或产生相似性测度的正例 或反例,作为反例去改进相似性测度。 插曲记忆组织与重构 目的是为了改进相似性/差异测度的精确性和对经验/解的记忆的构造和检索。 采用的方法是以失败驱动的方式进行差异测度调准 T-操作符的改善与获取 1、在T空间中比较失败路径解的T-操作符 和成功路径解的T-操作符。 2、如果该T-操作符在差别表中有多个入口,一些入口仅对应于该操作的失败例子,则删除这些入口。 3、若某个入口对应的失败比成功多得多, 说明要减小的差别描述可能太一般,必 须分解为更特殊差别的不相交子集。 三、转换类比学习 实现: 遇到新问题,将新问题映射到原先已经解决的问题中,如果部分映射,并且从已解决问题中可以引导出解决该问题的方法,则在该方法的基础上通过匹配和转换,得到新问题的解决方法。 实现:遇到新问题,将新问题映射到原问题中,在原有问题的基础上,抽象出解决方法;同时,新问题又能重新引导出另一个原先已解决的问题,即派生出另一个问题,而又能从该问题中得出新的解决方法,此时便可以类比两个已解决的问题的解决方法,找出相似之处,得出新问题的解决方法 联想类比学习:是把已知领域(源系统)的知识联想到未知领域(目标系统)的类比方法,是一种综合的类比推理方法。 1)同构相似联想 2)同态相似联想 3)接近联想 4)对比联想 5)模糊联想 联想类比条件: 最典型的类比学习方法是K-最近邻方法,它属于懒散学习法,相比决策树等急切学习法,具有训练时间短,但分类时间长的特点。K-最近邻算法可以用于分类和聚类中。   而基于案例的类比学习方法则可以应用到数据挖掘的分类中。基于案例学习的分类计数的基本思想是:当对一个新案例进行分类时,通过检查已有的训练案例找出相同或

文档评论(0)

quechui388620 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档