人工智能（8 ）机器学习2_记忆学习、演绎学习、归纳学习、类比学习、
赞
踩
目录
一、概述
机器学习是人工智能的重要研究领域之一。
1.机器学习的基本概念
要了解么是机器学习，就要从人类的“学习”说起可以说人们每天都在学习，可是终究什么是学习，至今都没有一个统一的定义。以下是关于学习且比较有影响的定义：
1) 西蒙认为，学习就是系统中的适应性变化，这种变化使系统在重复同样工作或类似工作时，能够做得更好
2) 米哈尔斯基认为，学习是对经历描述的建议和修改。
3) 蔡普金认为，学习是一种过程，通过对系统重复输入各种信号，并从外部校正该系统，从而系统对特定的输入具有特定的响应。
综合众多观点，可以这样认为，学习是一个有特定目的知识获取和能力增长过程，其内在行为是获得知识、积累经验、发现规律等，其外部表现是改进性能、适应环境、实现自我完善等。
机器学习的定义是基于人的学习的，由于学习没有统一的定义，机器学习也没法给出严格的定义。从学科角度来讲，机器学习是研究如何让计算机来模拟人类学习活动的一门学科。
机器学习的主要研究内容：
主要目的是要通过对人类学习机理的研究和模拟，从根本上解决机器学习方面存在的种种问题。
主要目的是要从理论上探索各种可能的学习方法，并建立起独立于具体应用领域的学习算法。
主要目的是要根据特定任务的要求，建立相应的学习系统。
2. 机器学习的发展历史
机器学习的发展大致可以分为4个时期，即热烈时期、冷静时期、复兴时期以及蓬勃时期。
20世纪50年代中叶到60年代初期，最具有代表性的工作是罗森勃拉特1957年提出的感知器模型。该时期研究的是“没有知识”的学习，其主要研究目标是各种自组织系统和自适应系统。
20世纪60年代中期到70年代中期。其主要研究目标是模拟人类的概念学习过程，温斯顿的结构学习系统和海斯、罗斯等人提出的基于逻辑的归纳学习系统是该时期的代表性工作。
•复兴时期
20世纪70年代中期到80年代中期，人们开始把机器学习与各种实际应用相结合，尤其是专家系统在知识获取方面的需求。
•蓬勃时期
自1986年起，机器学习进入了新阶段。神经网络的研究再度兴起，使得机器学习进入了连接学习的研究阶段，与此同时，传统的符号学习研究也取得了很大的发展。因此，把符号学习和连接学习结合起来的混合型学习系统研究已成为机器学习研究的一个新的热点。进入新阶段的机器学习主要表现如下：
1) 机器学习已经成为新的边缘学科，并在高校形成 一门课程。
2) 结合各种学习方法，取长补短的多种形式的集成学习系统研究正在兴起。
3) 机器学习与人工智能在各种基础问题上的统一观点正在形成。
4) 各种学习方法的应用范围不断扩大，一部分已经成为商品。归纳学习的知识获取工具已在诊 断分类专家系统中广泛使用。连接学习在声音、图文识别中占据优势。遗传算法与强化学习在 工程控制中有较好的应用前景。
5) 知识发现和数据挖掘的研究已形成热潮，并在生物学、金融管理、商业销售等领域得到成功 的应用，给机器学习注入了新活力。
6) 与机器学习有关的学术活动空前活跃。国际上除了每年一次的机器学习研讨会外，还有计算 机学习理论会议以及遗传算法会议。
3. 学习系统的基本模型
机器学习的实现依赖于学习系统，学习系统能够利用过去与环境作用时得到的信息并提高自身的性
能。学习系统的基本模型如下图示。环境是指学习系统进行学习时的信息来源；学习环节是将外界信息加工成知识的过程；知识库是以某种形式表示的知识的集合，用来存放学习环节所得的知识；执行环节是利用知识库中的知识完成某种任务的过程，并把完成任务过程中所获得的一些信息反馈给学习环节 。
4. 学习策略
机器学习的学习过程与推理过程是密切相关，按照学习中所使用的推理方法分类，可以将机器学习的学习策略分为：记忆学习、类比学习、传授学习、演绎学习、归纳学习和联络学习等。
二、记忆学习
记忆学习(Rote learning)也叫机械学习，是最简单的机器学习方法。该方法主要凭借记忆，即存储学习过的知识，供需要时检索调用，其特点是不再需要重新计算或推理。在记忆学习系统中，知识的获取是以较稳定和直接的方式进行的，不需要系统进行过多的加工。
记忆学习的基本过程是：执行元素每解决一个问题，系统就记住这个问题和它的解，当以后再遇到此类问题时，系统就不必重新进行计算，而可以直接找出原来的解去使用。
若把执行元素比作一个函数声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：【wpsshop博客】
Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。
