样例 安电子大学出 电子大学出底 (1)知识生成过程 训练 电子大学出 电子!大学出 要大学知识}学 安电 输入信息 响应信息 决策 执行 安电大学版 (2)知识运用过程 图9-3机器学习原理3
图 9-3 机器学习原理3
样例 归纳 安电↓式 知识 图9-4机器学习原理4
图 9-4 机器学习原理4
电子的 又发现 信息“知识 图9-5机器学习原理5
图 9-5 机器学习原理5
6.1.3机器学习的分类 1.基于学习策略的分类 (1)模拟人脑的机器学习 ●符号学习:模拟人脑的宏观心理级学习过程,以认知心理学 原理为基础,以符号数据为输入,以符号运算为方法,用 推理过程在图或状态空间中搜索,学习的目标为概念或规 则等。符号学习的典型方法有:记忆学习、示例学习、演 绎学习、类比学习、解释学习等。 ●神经网络学习(或连接学习):模拟人脑的微观生理级学 习过程,以脑和神经科学原理为基础,以人工神经网络为 函数结构模型,以数值数据为输入,以数值运算为方法, 用迭代过程在系数向量空间中搜索,学习的目标为函数。 典型的连接学习有权值修正学习、拓扑结构学习
(2)直接采用数学方法的机器学习 ●主要有统计机器学习。 基于学习方法的分类 (1)归纳学习 ●符号归纳学习:典型的符号归纳学习有示例学习, 决策树学习。 ●函数归纳学习(发现学习):典型的函数归纳学习 有神经网络学习、示例学习,发现学习,统计学习。 (2)演绎学习 (3)类比学习:典型的类比学习有案例(范例)学习。 (4)分析学习:典型的分析学习有案例(范例)学习、 解释学习