3.基于学习方式的分类 (1)有导师学习(监督学习):输入数据中有导师 信号,以概率函数、代数函数或人工神经网络为 基函数模型,采用迭代计算方法,学习结果为函 数。 (2)无导师学习(非监督学习):输入数据中无导 师信号,采用聚类方法,学习结果为类别。典型 的无导师学习有发现学习、聚类、竞争学习等 (3)强化学习(增强学习):以环境反馈(奖/惩 信号)作为输入,以统计和动态规划技术为指导 的一种学习方法
3. 基于学习方式的分类 （1）有导师学习（监督学习）：输入数据中有导师 信号，以概率函数、代数函数或人工神经网络为 基函数模型，采用迭代计算方法，学习结果为函 数。 （2）无导师学习（非监督学习）：输入数据中无导 师信号，采用聚类方法，学习结果为类别。典型 的无导师学习有发现学习、聚类、竞争学习等。 （3）强化学习（增强学习）：以环境反馈（奖/惩 信号）作为输入，以统计和动态规划技术为指导 的一种学习方法
4.基于数据形式的分类 (1)结构化学习:以结构化数据为输入,以数值计 算或符号推演为方法。典型的结构化学习有神经 网络学习、统计学习、决策树学习、规则学习。 (2)非结构化学习:以非结构化数据为输入,典型 的非结构化学习有类比学习、案例学习、解释学 习、文本挖掘、图像挖掘、Web挖掘等
4. 基于数据形式的分类 （1）结构化学习：以结构化数据为输入，以数值计 算或符号推演为方法。典型的结构化学习有神经 网络学习、统计学习、决策树学习、规则学习。 （2）非结构化学习：以非结构化数据为输入，典型 的非结构化学习有类比学习、案例学习、解释学 习、文本挖掘、图像挖掘、Web挖掘等
5.基于学习目标的分类 (1)概念学习:即学习的目标和结果为概念,或者说是为了 获得概念的一种学习。典型的概念学习有示例学习。 (2)规则学习:即学习的目标和结果为规则,或者说是为了 获得规则的一种学习。典型的规则学习有决策树学习。 (3)函数学习:即学习的目标和结果为规则,或者说是为了 获得函数的一种学习。典型的函数学习有神经网络学习。 (4)类别学习:即学习的目标和结果为对象类,或者说是为 了获得类别的一种学习。典型的类别学习有聚类分析。 (5)贝叶斯网络学习:即学习的目标和结果是贝叶斯网络, 或者说是为了获得贝叶斯网络的一种学习。其又可分为结构学 习和参数学习
5. 基于学习目标的分类 （1）概念学习：即学习的目标和结果为概念，或者说是为了 获得概念的一种学习。典型的概念学习有示例学习。 （2）规则学习：即学习的目标和结果为规则，或者说是为了 获得规则的一种学习。典型的规则学习有决策树学习。 （3）函数学习：即学习的目标和结果为规则，或者说是为了 获得函数的一种学习。典型的函数学习有神经网络学习。 （4）类别学习：即学习的目标和结果为对象类，或者说是为 了获得类别的一种学习。典型的类别学习有聚类分析。 （5）贝叶斯网络学习：即学习的目标和结果是贝叶斯网络， 或者说是为了获得贝叶斯网络的一种学习。其又可分为结构学 习和参数学习
6.2符号学习 2.1记忆学习 记忆学习方法简单,但学习系统需要几种能力: 蕌 (1)能实现有组织的存储信息。 (2)能进行信息综合。 (3)能控制检索方向。当存储对象愈多时,其 中可能有多个对象与给定的
6.2 符号学习 6.2.1 记忆学习 记忆学习方法简单, 但学习系统需要几种能力： (1) 能实现有组织的存储信息。 (2) 能进行信息综合。 (3) 能控制检索方向。 当存储对象愈多时, 其 中可能有多个对象与给定的
6.2.2示例学习 示例学习也称实例学习,它是一种归纳学习。 示例学习是从若干实例(包括正例和反例)中归纳出 般概念或规则的学习方法。 团 电 部件 安电 部件 要电啊 部件 部件 部件 C 部件 长方体 楔形体 在左边 在左边 B D D 在右边 在右边 不接触 不接触 长方体 长方体 长方体 长方体 图96第一个拱桥的语义网络 图9-7第二个拱桥的语义网络
6.2.2 示例学习 示例学习也称实例学习, 它是一种归纳学习。 示例学习是从若干实例(包括正例和反例)中归纳出 一般概念或规则的学习方法。 图 9-6 第一个拱桥的语义网络 图 9-7 第二个拱桥的语义网络