人工智能及其应用 教学课件 作者 孔月萍 周继 chapter5_071103.pptVIP

人工智能及其应用 第五章 知 识 学 习 内容提要： 知识学习概念、原理及分类 神经网络学习 神经网络模型 知识发现与Agent技术 知识学习概述 知识学习原理 知识学习策略 学习的定义: 有明确目的的知识获取过程 内在行为 外在表现 知识学习的形式: 机器学习 研究知识学习的目标： 构建人类学习过程的认知模型 设计通用学习算法 构造面向任务的专用学习系统 不同阶段的研究内容: 神经元模型和决策理论 符号概念获取 知识增强和论域专用学习 连接学习 知识学习系统模型： 基本学习策略: 机械学习：又称记忆学习，外界输入知识的表示方式与系统内部表示方式完全一致，不需要任何推理过程。 传授学习：又称指导式学习，外界输入知识的表达方式与系统内部表达方式不完全一致，需要一些推理、翻译和转化工作。 演绎学习：学习系统对给定的知识进行演绎保真推理，并存储有用的结论。演绎学习包括知识改造、知识编译、产生宏操作、保持等价的操作和其它保真变换。 基本学习策略: 归纳学习：是应用归纳推理进行学习的一类方法。按其有无教师指导，分为实例学习及观察与发现学习。 实例学习__它通过向学习者提供某一概念的一组正例和反例，使学习者从中归纳推理出概念的一般性描述，该描述应能解释所有给定的正例，并排除所有给定的反例。 观察与发现学习__它要产生对所有或大多数观察到的规律和规则的解释。这类学习包括概念聚类、构造分类、曲线拟合，发现并解释观察到的定律并形成理论。 类比学习：在遇到新问题时，可以学习以前类似问题的解决办法，来解决当前问题。要能够发现当前任务与已知任务的相似点，由此制定出完成当前任务的方案。因此，类比学习可由系统已有的领域知识得到另一领域中类似的知识。 学习方式 学习算法 学习特点 学习方式 监督学习 无监督学习 再励学习 学习方式 监督学习:需要外界输入一个“教师”信号，它可对一组给定输入提供应有的输出，这组已知的输入输出数据称为训练样本集，神经网络可根据已知输出与实际输出之间的误差值来调节系统参数。 学习方式 无监督学习:它不存在外部教师信号，网络系统完全按照环境提供数据的某些统计规律来调节自身参数或结构，以表示出外部输入的某种固有特性，如聚类或统计上的分布特征。 学习方式 再励学习:这种学习介于上述两种情况之间，外部环境对系统输出只给出评价信息而不是正确答案。网络系统通过强化那些被肯定的动作来改善自身的性能。 学习算法 误差纠正学习（delta学习） Hebb学习 竞争学习 误差纠正学习 Hebb学习 竞争学习 神经网络典型模型 BP神经网络及算法 Hopfield神经网络及算法 神经网络的典型模型 人工神经网络 激发函数 代表性模型 人工神经网络 人工神经网络组成: 人工神经网络可看成是以人工神经元为节点，用有向加权弧连接起来的有向图。右图为人工神经网络的组成框架。 激发函数（或作用函数） 常用的激发函数： (1)阈值型 (2)分段线性型 (3)Sigmoid函数型(简称S型) (4)双曲正切型 代表性模型 自适应谐振理论 双向联想存储器 Hopfield网 反向传播网络 对流传播网络 博尔茨曼机 M-Adalin算法 认知机 感知器 自组织映射网 BP神经网络 BP网络结构图： BP神经网络 Hopfield神经网络 离散型Hopfield神经网络 连续型Hopfield网络及其VLSI实现 离散型Hopfield神经网络 离散型Hopfield神经网络 连续型Hopfield网络 连续型Hopfield网络 知识发现的过程 知识发现的方法 知识发现中的数据挖掘技术 Agent技术 知识发现的过程 知识发现的方法 统计方法 机器学习方法 知识发现中的数据挖掘技术 数据挖掘及其研究内容 数据挖掘分类 数据挖掘模型与算法 数据挖掘工具 Agent技术 Agent技术 反应型Agent： Agent技术 混合型Agent： 统计方法 机器学习方法 神经计算方法 可视化方法 传统方法 模糊集 支持向量机 粗糙集 规则归纳 决策树 范例推理 贝叶斯信念网络 科学发现 遗传算法 数据挖掘及其研究内容 数据挖掘分类 数据挖掘的模型与算法 数据挖掘工具 定义: 从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含的、事先不知道的、但又是潜在有用的信息和知识。 根据挖掘对象，数据库分为: 关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产数据库，以及万维网。