人工智能及专家系统 教学课件 作者 敖志刚 第5章 智能学习系统.ppt

第2章 知识表示 第5章 智能学习系统 5．1 机器学习的基本概念 5．1．1 机器学习 5．1．2 机器学习系统 5．2 智能学习系统的基本模型 5．3 机器学习的几种常用方法 5．3．1 机械式学习 5．3．2 指导式学习 5．3．3 示例学习 5．3．4 类比学习 5．3．5 解释学习 第5章 智能学习系统 1. 什么是学习 学习是一种综合性的心理活动，它与记忆、思维、知觉、感觉等多种心理活动密切联系； 西蒙 ：“学习“系统积累经验，改善性能的过程”； 明斯基 ：“学习是我们头脑里有用知识的变化”； 维纳：“学习是系统自我完善的过程”； 巴甫洛夫“学习是条件反射的形成过程”。 学习的基本概念 学习是一个知识和能力的增长过程。其内在行为是知识获取（获得知识、积累经验、发现规律，新知识结构的建立和改进等）；其外部表现是能力的改善（改进性能、适应环境、实现自我完善等），使其变得更快、更精确、更健全；学习是技巧的获得，是理论的形成，是假设的验证，是演绎的推理。 2. 机器学习 机器学习是研究怎样让机器(计算机或智能机)获取知识的问题，有以下二种定义: 狭义机器学习。指人们通过系统设计、程序编制和人-机交互，使机器获取知识。因此，狭义机器学习也可称为“人工知识获取”。 广义机器学习。除了上述人工知识获取之外，机器还可以自动或半自动地获取知识。如，在系统调试和运行过程中，通过机器学习进行知识积累，或者，通过机器感知直接从外部环境获取知识，对知识库进行增删、修改、扩充和更新。因此，广义机器学习包括人工知识获取、机器自动和半自动知识获取。 3. 机器学习的途径 一般情况下，机器学习的途径可分为以下四类: ⑴ 人工移植 人工移植就是依靠人工智能系统的设计师、知识工程师、程序编制人员、专家或用户，通过系统设计、程序编制及人机交互或辅助工具，将人的知识移植到机器的知识库中，使机器获取知识。 人工移植的方式有以下二种: ①　静态移植。在系统设计过程中，通过知识表达，程序编制，建立知识库，进行知识存储、编排和管理，使系统获取所需的先验知识或静态知识。 ②　动态移植。在系统运行过程中，通过常规的人机交互方法，如“键盘-显示器”的输入/输出交互方式，对机器的知识库进行人工的增删、修改、扩充和更新。 3. 机器学习的途径 ⑵ 示教式学习。在机器学习过程中，由人作为示教者或监督者，给出评价准则或判断标准，对系统的工作效果进行检验，选择或控制训练集，对学习过程进行指导和监督。 ⑶ 自学式学习。在机器学习过程中，不需要人作为示教者或监督者，而由系统本身的监督器实现监督功能，对学习过程进行监督，提供评价准则和判断标准，通过反馈进行工作效果检验，控制选例和训练。 ⑷ 机器感知。通过机器视觉、机器听觉、触觉等途径，直接感知外部世界，输入自然信息，获取感性和理性知识。 5.1.2 机器学习系统 1. 机器学习系统的概念 机器学习系统是指能够在一定程度上实现机器学习的系统，是指能够根据某种过程或环境中的未知特征获取信息，改进系统性能，不断使知识库完善，可将获取的信息用于未来的估计、分类、决策或控制，对环境的响应是令人满意的系统。 2. 机器学习系统的特征 目的性：一个系统必须知道要学习什么。 结构性：系统必须具备适当的结构来记忆已经学到的知识，即能够对知识表示和知识组织形式进行修改和完善。 有效性：系统学到的新知识必须有益于改善系统的行为。 开放性：系统的能力应该能够在其实际使用过程或同环境的交互过程中不断进化。 3. 机器学习系统的基本要求 具有适当的学习环境。 具有一定的学习能力。 能够运用所学知识求解问题。 能通过学习提高自身性能。如果不能够通过学习增长知识、提高技能、改进性能，就谈不上是一个真正的学习系统。 4. 机器学习系统的类型 按学习能力分类：示教式学习系统、自学式学习系统。 按学习方法分类：强记学习系统、指导式学习系统、示例学习系统、类比学习系统。 按照学习的推理策略分类：机械式学习系统、传授学习系统、演绎学习系统、归纳学习系统、解释学习系统。 按学习内容分类：概念学习系统、过程学习系统。 4.机器学习系统的类型 按知识表达方式分类：数值学习系统、符号学习系统（产生式规则、与/或图等，又可分为:产生式学习系统、网络式学习系统，语义网络学习系统、逻辑学习系统） 按照应用领域分类：专家系统学习、机器人学习、自然语言理解学习； 按照对人类学习的模拟方式分类：从功能上模拟的符号学习、从结构上模拟的连接学习等系统。 5. 学习系统的性能评价 ⑴ 分类精度：是否能够对输入的数据进行正确、精确的分类。此类系统性能由待分类模式的规模(大规模(成千上万种)、中规模(几