人工智能——机器学习2

6.5类比学习

6.5.1类比学习的基本过程

(1)搜索匹配

(2)选择规则

(3)建立对应的关系

(4)更新知识库

6.5.3转换类比学习

求解问题过程

(1)把问题的当前状态与目标状态进行比较，找出它们之间的差异。

(2)根据(1)所得到的差异找出一个可减少差异的算符。

(3)若该算符可以作用于当前状态，则该算符把当前状态改变为另一个更接近目标的状态；若该算符不能作用于当前状态，即当前状态所具备的条件与算符要求的条件不一致，则保留当前状态，并生成一个子问题，然后对此子问题用此法。

(4)当子问题被求解以后，恢复保留的状态，继续处理原问题。

转换类比学习方法由外部环境获得与类比有关的信息，学习系统找出与新问题相似的旧问题的有关知识，对这些知识进行转换，使之适用于新问题，从而获得新的知识。它主要由回忆过程和转换过程两个过程组成。

回忆过程用于寻找新旧问题的差别，具体准则如下：

新旧问题初始状态的差别。

新旧问题目标状态的差别。

新旧问题路径约束的差别。

新旧问题求解问题可应用度的差别。

根据以上准则，可以求出新旧问题的差别度，差别度越小，表示两者越相似。

 6.5.4派生类比学习

 6.5.5联想类比学习

联想类比学习是把已知领域(源系统)的知识联想到未知领域(目标系统)的类比方法，是一种综合的类比推理方法。

联想类比条件：

同构相似联想。

同态相似联想。

接近联想。

对比联想。

模糊联想。

类比学习法按原理可分为直接类比、拟人类比、象征类比、幻想类比、因果类比、对称对比、仿生类比和综合类比8种。

6.5解释学习

解释学习基本过程

 

 6.7神经学习

6.7.1感知器学习

单层感知器学习算法实例

6.7.2反向传播网络学习

(1)BP网络

是将W-H学习规则一般化，对非线性可微分函数进行权值训练的多层网络。BP网络是一种多层前向神经网络，其神经元的变换函数是S型函数，因此输出量为0到1之间的连续量，它可以实现从输入到输出的任意非线性映射

 

(2)Hopfield网络学习算法

 

 

  6.8贝叶斯学习

6.8.1贝叶斯定理

 

 

 6.8.2朴素贝叶斯分类算法