機器學習研究現(xiàn)狀與發(fā)展趨勢

1、機器學習研究現(xiàn)狀與發(fā)展趨勢摘要摘要:機器學習是研究計算機怎樣模擬或實現(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演譯。機器學習是關于理解與研究學習的內在機制、建立能夠通過學習自動提高自身水平的計算機程序的理論方法的學科。近年來機器學習理論在諸多應用領域得到成功的應用與發(fā)展，已成為計算機科學的

2、基礎及熱點之一。采用機器學習方法的計算機程序被成功用于機器人下棋程序、語音識別、信用卡欺詐監(jiān)測、自主車輛駕駛、智能機器人等應用領域，除此之外機器學習的理論方法還被用于大數(shù)據(jù)集的數(shù)據(jù)挖掘這一領域。實際上，在任何有經驗可以積累的地方，機器學習方法均可發(fā)揮作用。機器學習的研究是根據(jù)生理學、認知科學等對人類學習機理的了解，建立人類學習過程的計算模型或認識模型，發(fā)展各種學習理論和學習方法，研究通用的學習算法并進行理論上的分析，建立面向任務的具有特

3、定應用的學習系統(tǒng)。這些研究目標相互影響相互促進。本文主要敘述了1.機器學習的研究現(xiàn)狀包括定義應用領域研究意義發(fā)展史系統(tǒng)結構和對其進行各種角度的分類.2.機器學習的發(fā)展趨勢。引言引言:按照人工智能大師西蒙的觀點，學習就是系統(tǒng)在不斷重復的工作中對本身能力的增強或者改進，使得系統(tǒng)在下一次執(zhí)行同樣任務或類似任務時，會比現(xiàn)在做得更好或效率更高。西蒙對學習給出的定義本身，就說明了學習的重要作用。機器能否象人類一樣能具有學習能力呢？1959年美國的塞

4、繆爾(Samuel)設計了一個下棋程序，這個程序具有學習能力，它可以在不斷的對奕中改善自己的棋藝。4年后，這個程序戰(zhàn)勝了設計者本人。又過了3年，這個程序戰(zhàn)勝了美國一個保持8年之久的常勝不敗的冠軍。這個程序向人們展示了機器學習的能力，提出了許多令人深思的社會問題與哲學問題。什么叫做機器學習？至今，還沒有統(tǒng)一的“機器學習”定義，而且也很難給出一個公認的和準確的定義。為了便于進行討論和估計學科的進展，有必要對機器學習給出定義，即使這種定義是不

5、完全的和不充分的。顧名思義，機器學習是研究如何使用機器來模擬人類學習活動的一門學科。稍為嚴格的提法是：機器學習是一門研究機器獲取新知識和新技能，并識別現(xiàn)有知識的學問。這里所說的“機器”，指的就是計算機；現(xiàn)在是電子計算機，以后還可能是中子計算機、光子計算機或神經計算機等等。機器學習的研究是根據(jù)生理學、認知科學等對人類學習機理的了解，建立人類學習過程的計算模型或認識模型，發(fā)展各種學習理論和學習方法，研究通用的學習算法并進行理論上的分析，建立

6、面向任務的具有特定應用的學習系統(tǒng)。這些研究目標相互影響相互促進。第三階段是從70年代中葉至80年代中葉，稱為復興時期。機器學習的最新階段始于1986年。機器學習進入新階段的重要表現(xiàn)在下列諸方面：(1)機器學習已成為新的邊緣學科并在高校形成一門課程。它綜合應用心理學、生物學和神經生理學以及數(shù)學、自動化和計算機科學形成機器學習理論基礎。(2)結合各種學習方法，取長補短的多種形式的集成學習系統(tǒng)研究正在興起。特別是連接學習符號學習的耦合可以更好

7、地解決連續(xù)性信號處理中知識與技能的獲取與求精問題而受到重視。(3)機器學習與人工智能各種基礎問題的統(tǒng)一性觀點正在形成。例如學習與問題求解結合進行、知識表達便于學習的觀點產生了通用智能系統(tǒng)SOAR的組塊學習。類比學習與問題求解結合的基于案例方法已成為經驗學習的重要方向。(4)各種學習方法的應用范圍不斷擴大，一部分已形成商品。歸納學習的知識獲取工具已在診斷分類型專家系統(tǒng)中廣泛使用。連接學習在聲圖文識別中占優(yōu)勢。分析學習已用于設計綜合型專家系

8、統(tǒng)。遺傳算法與強化學習在工程控制中有較好的應用前景。與符號系統(tǒng)耦合的神經網(wǎng)絡連接學習將在企業(yè)的智能管理與智能機器人運動規(guī)劃中發(fā)揮作用。(5)與機器學習有關的學術活動空前活躍。國際上除每年一次的機器學習研討會外，還有計算機學習理論會議以及遺傳算法會議。3.機器學習分類1、基于學習策略的分類學習策略是指學習過程中系統(tǒng)所采用的推理策略。一個學習系統(tǒng)總是由學習和環(huán)境兩部分組成。由環(huán)境（如書本或教師）提供信息，學習部分則實現(xiàn)信息轉換，用能夠理解的

9、形式記憶下來，并從中獲取有用的信息。在學習過程中，學生（學習部分）使用的推理越少，他對教師（環(huán)境）的依賴就越大，教師的負擔也就越重。學習策略的分類標準就是根據(jù)學生實現(xiàn)信息轉換所需的推理多少和難易程度來分類的，依從簡單到復雜，從少到多的次序分為以下五種基本類型：１）機械學習(Rotelearning)學習者無需任何推理或其它的知識轉換，直接吸取環(huán)境所提供的信息。如塞繆爾的跳棋程序，紐厄爾和西蒙的LT系統(tǒng)。這類學習系統(tǒng)主要考慮的是如何索引存

10、貯的知識并加以利用。系統(tǒng)的學習方法是直接通過事先編好、構造好的程序來學習，學習者不作任何工作，或者是通過直接接收既定的事實和數(shù)據(jù)進行學習，對輸入信息不作任何的推理。２）示教學習(Learningfrominstruction或Learningbybeingtold)。學生從環(huán)境（教師或其它信息源如教科書等）獲取信息，把知識轉換成內部可使用的表示形式，并將新的知識和原有知識有機地結合為一體。所以要求學生有一定程度的推理能力，但環(huán)境仍要做大

11、量的工作。教師以某種形式提出和組織知識，以使學生擁有的知識可以不斷地增加。這種學習方法和人類社會的學校教學方式相似，學習的任務就是建立一個系統(tǒng)，使它能接受教導和建議，并有效地存貯和應用學到的知識。目前，不少專家系統(tǒng)在建立知識庫時使用這種方法去實現(xiàn)知識獲取。示教學習的一個典型應用例是FOO程序。3）演繹學習(Learningbydeduction)。學生所用的推理形式為演譯推理。推理從公理出發(fā)，經過邏輯變換推導出結論。這種推理是“保真“變