機器學習知識培訓講義(PPT 92頁)

什麼是機器學習
是尋找一種對自然/人工主題、現象或活動可預測且/或可執行的機器理解方法
研究計算機怎樣模擬或實現人類（動物）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
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、綜合而不是演繹
機器學習的一個形象描述
機器學習的一般泛型
監督學習
必須預先知道學習的期望結果，並依此按照某一學習規則來修正權值。
知道輸入數據，知道結果，用函數預測個例
無監督學習，不知道結果，根據數據特征分類
半監督學習
是監督學習與無監督學習相結合的一種學習方法。
它主要考慮如何利用少量的標注樣本和大量的未標注樣本進行訓練和分類的問題。
輸入數據不可靠，依據權重的調整進行訓練。
強化學習
利用某一表示“獎／懲”的全局信號，衡量與強化輸入相關的局部決策如何。
(輸入\輸出之間沒有固定的函數)
決策樹（簡單問題）
人工神經網絡（大量樣本）
支持向量機（小樣本）
人工神經網絡
1生物神經元及人工神經元的組成
2人工神經網絡的模型
2.1人工神經元的模型
2.2常用的激活轉移函數
2.3MP模型神經元
目前多數人工神經網絡的構造大體上都采用如下的一些原則：
由一定數量的基本神經元分層聯接；
每個神經元的輸入、輸出信號以及綜合處理內容都比較簡單；
網絡的學習和知識存儲體現在各神經元之間的聯接強度上。
2、人工神經網絡的模型
..............................