基于解释的学习基于解释的学习.pptVIP

8.6基于解释的学习 基于解释学习的概念 基于解释学习的学习过程 领域知识的完善性 基于解释学习的概念 基于解释的学习与前面讨论的归纳学习及类比学习不同，它不是通过归纳或类比学习的，而是通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习，并最终生成这个目标概念的一般描述的，该一般描述是一个可形式化表示的一般性知识。 米切尔用如下的框架给出了它的一般性描述： 给定： 领域知识DT 目标概念TC 训练实例TE 操作性准则OC 找出: 满足OC的关于TC的充分条件 由此描述可看出，基于解释的学习中，为了对某一目标概念进行学习，从而得到相应的知识，必须提供完善的领域知识及能说明目标概念的一个训练实例。系统进行学习时，首先利用领域知识DT找出训练实例TE为什么是目标概念的证明（解释），然后根据操作性准则OC对证明进行推广，从而得到目标概念TC的一个一般性描述，即一个可供以后使用的形式化表示的一般性知识。 从需要提供实例这点来看，基于解释学习似乎与示例学习类似，但是不同，主要区别如下： 基于解释的学习过程 分两步： 1、构造解释 证明提供系统的训练实例为什么是满足目标概念的一个实例。证明过程是通过运用领域知识进行演绎实现的，证明的结果是得到一个解释结构。 2、获取一般性的知识 对上一步得到的解释结构进行一般化处理，从而得到关于目标概念的一般性知识。处理的方法通常是把常量换为变量，并把某些不重要的信息去掉，只保留那些对以后求解问题所必须的关键信息。 领域知识的完善性 只有完善的领域知识才能产生正确的学习描述，但是不完善难以避免，此时会出现两种极端情况： 1、构造不出解释（原因：缺少相关领域知识或领域知识中包含了矛盾） 2、构造出多种解释（原因：领域知识不健全） 另外，学习系统也应具有测试和修正不完善知识的能力，是问题能尽早被发现，尽快被修正。 8.7 学习方法的比较和展望 各种学习方法的比较 机械学习的展望 学习方法的比较 从下面四个方面进行比较： 1）以推理能力从低到高的顺序是： 机械式学习 指导式学习 解释学习 类比学习 示例学习 观察与发现学习 2）从对领域理论的要求来看： 示例学习及观察与发现学习：要求环境提供多个实例，对领域理论要求较少 解释学习：要求一个实例，提供完善的领域知识。 3）从适用领域来看： 连接学习对模拟人类较低级的神经活动（如连续发音的语音识别等）比较有效 符号学习对模拟人类的高级思维活动更见长。 4）从知识获取角度看： 示例学习、观察与发现学习通过学习可产生新概念描述，可用于专家系统的知识获取。 解释学习目标是改善系统的效率。 指道式学习多用作为专家系统的知识获取工具。 机器学习的展望 从目前研究趋势估计今后研究工作： 1、人类学习机制的研究。 2、发展和完善现有的学习方法，并开展新的学习方法研究。 3、建立使用的学习系统，特别是多种学习方法协同工作的集成化系统的研究。 4、机器学习有关理论及应用的研究。 谢 谢 * * 技能提高，将非操作性转为可操作的形式化知识 概念的获取，即知识的增加 侧重点 演绎，需提供完善的领域知识 归纳，不需提供领域知识 学习方法 一个 一组 输入实例 基于解释学习 示例学习 *