请选择 进入手机版 | 继续访问电脑版

机器人与人工智能爱好者论坛

 找回密码
 立即注册
查看: 1976|回复: 1

什么是机器学习?

[复制链接]

115

主题

116

帖子

392

积分

中级会员

Rank: 3Rank: 3

积分
392
发表于 2019-1-16 14:11:53 | 显示全部楼层 |阅读模式
还记得柯洁和AlphaGo的三番棋如期吗?比赛相持了三个多小时进入尾声,柯洁再度落败,总比分0:3结束了与AlphaGo的三番棋较量,同时AlphaGo也正式宣布退役,并将50份自我对战的棋谱献给人类。
---------------------------------------------------
据了解得知,阿尔法围棋(AlphaGo)是一款围棋人工智能程序,其主要工作原理是“深度学习”,“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入,通过非线性激活方法取权重,再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样,通过合适的矩阵数量,多层组织链接一起,形成神经网络“大脑”进行精准复杂的处理,就像人们识别物体标注图片一样。
---------------------------------------------------
AlphaGo的机器学习能力令人咋舌,而这种学习能力在现代生活中的运用越来越广泛、越来越深刻。陕西理工大学的洪歧等人对大数据背景下机器学习方法和技术等进行了归纳和总结,并在汉斯出版社《人工智能与机器人研究》的期刊中进行详细论述,发表了一篇论文。
---------------------------------------------------
机器学习是人工智能的一个核心研究领域。机器学习是一种利用系统本身进行自我改进的过程,在这个过程中计算机程序的性能随着经验的积累而不断提高。机器学习不但是人工智能发展的重要标志,也是计算机获取知识的重要途径,它是一门研究怎样用计算机来模拟或实现人类学习活动的学科。在大数据分析中,半监督学习、迁移学习、概率图模型和集成学习等技术尤为重要。
---------------------------------------------------
1、半监督学习在有监督学习中,利用的是已标识数据,而无监督学习中只利用未标识数据。在大数据时代,
已标识数据的数量总是远远小于未标识数据的数量,因此要想利用好这些未标识的数据就应该采用半监督学习法,半监督学习是研究如何综合利用大量未标识数据和少量已标识数据而获得的不但具有良好性能而且具有泛化能力的机器学习方法。半监督学习包括:基于生成式模型的半监督学习、基于低密度划分的半监督学习、基于图的半监督学习以及基于不一致性的半监督学习。
2、 概率图模型大数据分析的一个重要内容是从具有不确定性的大数据中的获得有价值的知识。概率图模型是图论与概率论相结合的产物,是图形化之后的概率分布形式;概率图模型实际上是一个统一的框架,在这个框架中不但可以为大规模多变量构建一个统计模型,而且可以捕获随机变量之间复杂的依赖关系。概率图模型一方面用图论的语言直观揭示问题的结构,另一方面又按照概率论的原则对问题的结构加以利用,降低推理的计算复杂度。因子分解是概率图模型中的一个核心概念,一个概率图模型是由一组概率分布所构成的。概率图通过图形的方式来捕获并展现所有随机变量的联合分布,通过分解成各因子乘积的方式来实现。
3、迁移学习迁移学习是指在不同情况之间把知识进行迁移转化的能力。提高机器学习能力的一个关键问题就在于要让机器能够继承和发展过去学到的知识,这其中的关键就是让机器学会迁移学习。迁移学习可分为直推迁移学习、归纳迁移学习以及无监督迁移学习。迁移学习试图通过将在一个或多个源任务中学习到的知识进行迁移,将它们用在相关的目标任务中以提高其学习性能。
ROSoft YaHei, Source Han Sans SC, Noto Sans CJK SC, WenQuanYi Micro Hei, sans-serif">了解更多干货文章,可以关注小程序八斗问答
回复

使用道具 举报

0

主题

5

帖子

17

积分

注册会员

Rank: 2

积分
17
发表于 2019-3-13 18:33:23 | 显示全部楼层
看了长知识,虽然不是很明白
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

QQ|Archiver|手机版|小黑屋|robot-ai ( 陕ICP备15012670号-1  

GMT+8, 2020-8-9 08:15 , Processed in 0.055823 second(s), 23 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表