人工智能教案05章機器學習5.3符號學習方法

符號學習方法些主要的符號學習方法。記憶學習存儲的信息來解決問題。統(tǒng)需要幾種力量：能實現(xiàn)有組織的存儲信息：該種學習方法必需有一種快速計算該值來得快。能進展信息綜合：通常存儲對象的數目可能很大，為了使其數目限制在便于治理的范圍內，需要有某種綜合技術。能掌握檢索方向：當存儲對象增多時，其中可能有多個對選擇，以便把留意力集中到有期望的方向上來。y，作為聯(lián)想對存儲起來，以后再對x作同樣的計算時，就可通過查詢〔而不是計算〕直接得到y(tǒng)。又如，對于某個事實A，經過某種推理而得到結論B，那么A直接得到B。傳授學習已有一些通過某種方式得到的學問，傳授學習就是通過人機對習使得系統(tǒng)性能有所轉變〔增加，或者是具有了的力量。1981“心牌玩?！保褂谜呖梢愿嬷到y(tǒng)玩耍的規(guī)章以及假設干取勝的建議，如“避開取點”，“假設某個對手已無某種花色的牌，則不要出該種花色的大牌可直接執(zhí)行的過程。演繹學習演繹學習是基于演繹推理的一種學習。演繹推理是一種保真變演繹學幾年才作為獨立的學習策略得到爭論。A→BB→CA→C，BC去證明，A→C即可。類比學習用事物間的可類比的關系，從已有的學問推導出未知的學問。覺察相像之處，然后利用這種相像關系解決習題中的問題。類比學習的過程包括以下主要步驟：回憶與聯(lián)想：即當遇到狀況或問題時，先通過回憶與建立對應關系：即建立相像的“問題學問”和“求解問題”之間的對應關系，以獲得求解問題的學問；驗證與歸納：即檢驗所獲得的全部學問的有效性，如覺察確學問，經過推廣、歸納等過程取得一般性學問。類比學習又可分為屬性類比學習和轉化類比學習?？蚣苁且环N學問表示的方法。顧名思義，框架是一種構造，習可描述為把原框架中假設干個槽的值傳遞給另一個目標框架的一些槽中去，這種傳遞分兩步進展：目標框架中去；相像性。最終添入合理有效的內容。。實例學習〔包括正例和反例〕歸納出一般概念或規(guī)章的學習方法?！哺拍畹姆椒??！叭盔B都是動物”推出“麻雀是動物”，這是演繹推理，前提真結論前提真結論不肯定真。再如，由“麻雀是植物”推出“全部鳥都是植物”，前提假結論必假，這是歸納推理的保假性。此外，對給傾向性、假設和約束最終僅考慮其中少數結論?！策@些實例事先〕，并由這些實例進展歸納推理，并且在一般狀況下，可用這些規(guī)章指導執(zhí)行環(huán)節(jié)的操作。習一般是通過所謂的實例空間和規(guī)章空間的相互轉化來實現(xiàn)學同時也需要運用實例空間中的實例所供給的啟發(fā)式信息來引導空間相互作用的過程。實例學習方法。覺察學習〔如書本、教師或專家〕所擁有的學問。覺察學習則是系有簡單的問題求解力量。解釋學習解釋學習是近年〔80年月初〕消滅的一種機器學習方法。解釋學習的一般框架是：給定：領域學問、目標概念、訓練實例和操作性準則。找出：滿足操作性準則的關于目標概念的充分條件。概念進展取舍。整個過程為目標引導，反向推理。chunk。實例為什么是目標概念的證明〔即解釋產生這樣的學習描述，作為目標概念的有效識別器。推理。過程可以表示為：目標問題→規(guī)章一→子目標問題→規(guī)章二→?！摗昂蠹庇謱⒊蔀橄乱粋€推導的“前件”，周而復始。解釋構造。產生的解釋構造的方法有2種：全部的算子構成動作序列，作為解釋構造自頂向下的遍歷證明樹構造的同時進展，也可以在問題求解后進展。解釋學習的根本方法之一是：解釋和概括交替并行。如下例x可以安全的放置在另一個物體y的上面”〔堆疊問題〕目標概念：Safe-to-stack(x，y)xy上安全堆放訓練實例〔obj1和obj2的事實〕：前提：重量、體積、密度，Weight(obj1,0.1)0.1Weight(obj2,5)5Volume(obj1，1)1Density(obj1,0.1)0.1條件Lighter(obj1,obj2)obj1比obj2輕狀態(tài)On(obj1，obj2)在之上是什么：Is-a(obj1，book)是書Is-a(obj2，table)是桌子〔是把一個物體安全的放置在另一個物體上面的準則：Fragile(y)→Safe-to-stack(x,y)如yxy上Lighter(x,y)→Safe-to-stack(x,y)如x比yxy上以上兩條是條件Volume(p,v)∧Density(p,d)∧Product(v,d,w)→Weight(p,w)p的體積vd的乘積為重量Is-a(p,table)→Weight(p,5)p5Weight(p1,w1)∧Weight(p2,w2)∧Smaller(w1,w2)→Lighter(p1,p2)p1的重量與p2的重量比較有p1的比p2的小，則p1比p2輕這兩條是計算，乘法計算、比較計算。理，最終得到的解釋樹就是該例的解釋構造。obj2)的解釋構造t5-2_swf.htm上圖說明系統(tǒng)從目標開頭反向推理。依據庫中已有的上述〔自頂把該規(guī)章應用到變量化的目標概念上。這樣，在生成該例子求解的解釋構造的同時，也生成了變量的概括的解釋構造。由Safe-to-stack(obj1,obj2)，查找其條件〔前件〕。由于沒有Fragile(y)Lighter(x,y)Lighter(obj1,obj2)。Lighter(obj1,0.1)ΛWeight(obj2,5)ΛSmaller(0.1,5)。連續(xù)分別查找各個元素的前件。有前件就填上前件，沒得到了解的解釋構造樹。然后我們對上一步得到的解釋構造進展概括化處理，從而概括化處理以后所得到的概括化解釋構造如以下圖所示。O2)的概括化解釋構造t5-3_swf.htm生成解釋規(guī)章時，全部葉結點的合取作為前件，以頂點的產生式規(guī)章。例如：上圖得到的規(guī)章是Volume(O1,v1)ΛDensity(O1,d1)ΛProduct(v1,d1,w1)ΛIs-a(O2,table)Λsmaller(w1,5)→Safe-to-stack(O1,O2)了即可〔不考慮