电子工业版信息科技九年级上册2-4 机器学习 课件.pptVIP

助力知识 1、同样的孩子，在一开始认识事物时，父母会给他一些苹果和橘子，但是并不告诉他哪个是苹果，哪个是橘子，而是让他根据两个事物的特征自行判断。孩子会把苹果和橘子分成两个组，下次再给他一个苹果时，他会把苹果分到苹果组中，而不是橘子组。 助力知识—非监督学习 非监督学习 助力知识 2、非监督学习又称无监督学习，它与监督学习最大的区别在于非监督学习使用的数据没有标签，这就意味着非监督学习在完成数据收集后，需要对数据进行预处理，从这些数据中总结出数据特征后，才能加以利用。非监督学习的学习与应用过程如图所示。 助力知识—非监督学习 助力知识 3、尽管采用非监督学习得到的应用没有监督学习那么高的准确性，但由于其无须对数据标记标签，因此节省了大量的人工成本。非监督学习应用在生活中的各个领域，比如智能家居系统通过非监督学习分析客户的用电模式、居住习惯等，打造动态家居环境，从而降低能源消耗，提高居住舒适度。 助力知识—非监督学习 助力知识 1、医疗的信息化产生了大量的电子病历，然而很多时候出于对个人隐私或者医学诊断难度的考虑，有些电子病历没有明确的标签，没有明确的病症归类。这时，使用监督学习和非监督学习已经不能满足需求，因此半监督学习就有了用武之地。 助力知识—半监督学习 助力知识 2、半监督学习选择有限的、有标记的电子病历进行监督学习，然后让未标记的电子病历和有标记的电子病历进行比对，通过学习判断病人之间是否存在相似性，如果存在，则归为一种病症。这种方式解决了电子病历存在数据缺陷时无法进行医学诊断的难题。 助力知识—半监督学习 助力知识 3、半监督学习是监督学习与非监督学习相结合的一种学习方法，它使用少量的有标记数据和大量的未标记数据进行学习。半监督学习先对一部分有标记的数据进行监督学习，再对剩下的未标记数据进行分类，从而完成识别工作。 助力知识—半监督学习 助力知识 4、半监督学习的思想是在少量有标记数据的情况下，通过在学习过程中引入未标记样本,以此来避免传统监督学习在训练数据不足(学习不充分)时导致性能(或模型)退化的问题。半监督学习的学习与应用过程如图所示。 助力知识—半监督学习 助力知识 5、半监督学习降低了人工成本，同时具有较高的准确性，因此越来越受到人们的重视。半监督学习的研究成果除了用于医学诊断，还广泛应用于自然语言处理、数字图像处理、视频与文本分类等领域。 助力知识—半监督学习 A*算法 1、美国波士顿动力公司研发的机械狗没有车轮和履带，采用四条机械腿行走，除了可以爬楼梯，还可以穿越崎岖地形。我们都知道，当人直立行走时，可以本能地使用各种技巧控制身体，保持平衡，从而以合理的身姿和步距行走，而机械狗要通过不断调整平衡参数和步距才能习得合理的步行策略。 助力知识—强化学习 A*算法 2、当机械狗保持正常站立时给予正向反馈信息，摔倒时则给予负向反馈信息，根据反馈信息优化并不断强化步行策略，直到可以直立行走。机械狗能够在复杂地形中成功行走是强化学习的结果。 助力知识—强化学习 A*算法 3、强化学习又称增强学习，即通过不断与环境互动(不断试错)来更新决策。强化学习的核心是通过积极奖励(强化信号)来强化最佳行为或行动。采用强化学习可以通过某种方法知道你离正确答案是越来越近还是越来越远(即建立和使用奖惩函数)。在这种学习模式下，输入的数据直接反馈到模型，模型根据反馈结果立刻做出调整。 助力知识—强化学习 A*算法 4、强化学习的过程大致可以分为三个步骤: 第一步，将环境初始化为一个状态，主体把状态输入给算法;第二步，主体执行算法，输出动作;第三步。环境对这个动作进行评价反馈，最终向主体输出正向反馈或负向反馈。强化学习的学习过程如图所示。 助力知识—强化学习 A*算法 5、强化学习正在改变人类社会的方方面面，比如基于强化学习的游戏 AI已经开始超越人类选手,基于强化学习的控制算法也已经应用于自动驾驶、无人机飞行等领域。 助力知识—强化学习 活动3 机器学习对人们生活的影响 新知讲解 1、机器学习技术在生产生活的很多领域都有应用。结合自己的生活经验，上网查阅资料，谈谈机器学习在计算机视觉、智能语音和自然语言处理领域的应用场景及对生活的影响。下面列举一些生活运用。 助力知识 机器学应用领域 应用场景及影响 计算机视觉 1、火车站进站刷脸，使进站检票更便捷。 2、手机人脸解锁，使用手机更加便捷 3、医疗影像分析，够辅助诊断疾病，提高医疗效率 4、视频监控和行为分析，提高公共安全和管理效率。 新知讲解 助力知识 机器学应用领域 应用场景及影响 智能语音 1、语音助手和智能家居，促进了智能家居的普及。 2、语音有哪些信誉好的足球投注网站和推荐，通过语音来进行网络有哪些信誉好的足球投注网站，获取所需信息。 3、自动语