归纳泛化
来源:学生作业帮助网 编辑:六六作业网 时间:2024/12/23 10:00:47
归纳泛化
归纳泛化
归纳泛化
学习能力是智能行为的一个非常重要的特征,
但至今对学习的机理尚不清楚.人们曾对机器学习给出各种定义.H.A.Simon认为,学习是系统所作的适应性变化,使得系统在下一次完成同样或类似的任务时更为有效.R.s.Michalski认为,学习是构造或修改对于所经历事物的表示.从事专家系统研制的人们则认为学习是知识的获取.这些观点各有侧重,第一种观点强调学习的外部行为效果,第二种则强调学习的内部过程,而第三种主要是从知识工程的实用性角度出发的. 机器学习在人工智能的研究中具有十分重要的地位.一个不具有学习能力的智能系统难以称得上是一个真正的智能系统,但是以往的智能系统都普遍缺少学习的能力.例如,它们遇到错误时不能自我校正;不会通过经验改善自身的性能;不会自动获取和发现所需要的知识.它们的推理仅限于演绎而缺少归纳,因此至多只能够证明已存在事实、定理,而不能发现新的定理、定律和规则等.随着人工智能的深入发展,这些局限性表现得愈加突出.正是在这种情形下,机器学习逐渐成为人工智能研究的核心之一.它的应用已遍及人工智能的各个分支,如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域.其中尤其典型的是专家系统中的知识获取瓶颈问题,人们一直在努力试图采用机器学习的方法加以克服. 机器学习的研究是根据生理学、认知科学等对人类学习机理的了解,建立人类学习过程的计算模型或认识模型,发展各种学习理论和学习方法,研究通用的学习算法并进行理论上的分析,建立面向任务的具有特定应用的学习系统.这些研究目标相互影响相互促进. 自从1980年在卡内基-梅隆大学召开第一届机器学术研讨会以来,机器学习的研究工作发展很快,已成为中心课题之一.