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