Machine learning

Referatas
 5
Microsoft Word 48 KB
4 puslapiai

Save mokančios sistemos (machine learning) , kaip dirbtinio intelekto dalis, apima labai plačią procesų sritį, kuriuos labai sunku aprašyti vienu apibrėžimu. Kas liečia save mokančia mašinas, galima sakyti, kad sistema išmoksta tai - kas keičia jos struktūrą, programą ar jos informaciją, tokiu būdu keičiant tikimasi pagerinti, patobulinti sistemos darbą ateityje. Kai kurie iš šių pakeitimų, tokie kaip papildomas įrašas duomenų bazėje, yra labai patogus disciplinų srityje ir nėra geriau būtinas suprasti mokymąsi kaip reikšmę. Bet pavyzdžiui, kai yra vykdomas kalbos atpažinimo (speech-recognition) sistemos tobulinimas po klausymosi kelių pavyzdžių (samples), vieno žmogaus, iš dalies mes galime sakyti, kad sistema išmoko, įsiminė „samplus“. Bendrai tariant save mokančios sistemos yra dalis kompiuteriu mokslo, kuris susijęs su sistemomis galinčiomis mokytis iš joms pateikiamų duomenų, ar iš save mokančių sistemų atliktų veiksmų. Save mokančios sistema (Macine learning) atsakinga už DI galimumą automatiškai mokytis iš jau apdorotu žinių. Ši galimybė mokytis iš patirties, analizinis peržiūrėjimas, ir kita reiškia, kad sistema gali pradėti veikti labai veiksmingai ir naudingai, t.y. kad sistemos su šiuo mechanizmu yra žymiai pranašesnės nei sistemos be šio mechanizmo.
Save mokančios sistemose dažniausiai kalbama apie susijusius pasikeitimus sistemoje, kalbant apie dirbtinį intelektą DI (artificial intelligence AI). Tai yra tokie užduočių veiksmai kaip atpažinimas, diagnozė, planavimas, robotu kontrolė (robot control) , pranašavimas.
Penkios save mokančių sistemų pagrindinės sritys:
• Analytic learning methoods – analitiniai mokymosi metodai.
• Neural network - semantiniai tinklai.
• Genetic algorithms – genetiniai algoritmai.
• Clasifier systems - sistemos klasifikatorius.
• Desision trees – sprendimų medis
• Case-based approaches learning –tikrinimu pagristas mokymasis
Save mokančių sistemų (Mahine learning) tikslai:
• Suprasti ir pagerinti mastymą nei žmonių.
• Atrasti naujus dalykus arba struktūras, kurios yra nežinomos žmaugaus.
• Užpildyti atitinkamą sritį didelėje dirbtinio intelekto sistemoje.
Komponentai sudarantys save mokančia sistemą:

Pasikeitimai bet kuriame iš šių elementų, pavaizduotų schemoje gali būti suprantami kaip mokymasis. Skirtingi mokymosi mechanizmai yra pasiskirstę, priklausomai nuo posistemės, kurioje buvo padaryti pakeitimai. Paprasčiausią mokymosi sistemos mechanizmo modelis sudarytas iš:
• Mokymosi elementas (learning element) – dalis atsakinga už reikšmingus pasikeitimus.
• Vykdymo elementas (perfomance element)-...