>>所属分类 >> 机器人理论   

机器学习

机器人产品查询系统
与主题相关产品查询和购买: 机器人理论 机器学习

标签: 机器学习

维基百科,自由的百科全书
跳转到: 导航, 搜查

机器学习是近20多年崛起的一门多范畴穿插学科,波及概率论、统计学、逼近论、凸分析、算法复杂度实际等多门学科。机器学习实际重要是设计跟分析一些让打算机可能主动“学习”的算法。机器学习算法是一类从数据中主动分析获得法则,并利用法则对未知数据进行猜测的算法。因为学习算法中波及了大量的统计学实际,机器学习与统计推断学接洽尤为密切,也被称为统计学习实际。算法设计方面,机器学习实际关注可能实现的,行之有效的学习算法。很多推论问题属于无程序可循难度,所以部分的机器学习研究是开发轻易处理的近似算法。

机器学习已经有了非常广泛的利用,例如:数据发掘、打算机视觉、天然语言处理、生物特点辨认、搜查引擎、医学诊断、检测信用卡讹诈、证券市场分析、DNA序列测序、语音跟手写辨认、策略游戏跟机器人应用。

目录

  • 1 定义
  • 2 机器学习相干条目
  • 3 参看
  • 4 参考书目
  • 5 外部链接

[编辑] 定义

机器学习有下面多少种定义: “机器学习是一门人工智能的科学,该范畴的重要研究对象是人工智能,特别是如何在教训学习中改良具体算法的机能”。 “机器学习是对能通过教训主动改进的打算机算法的研究”。 “机器学习是用数据或以往的教训,以此优化打算机程序的机能标准。” 一种常常引用的英文定义是:A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.

[编辑] 机器学习相干条目

机器学习可能分成下面多少品种别:

  • 监督学习从给定的练习数据集中学习出一个函数,当新的数据到来时,可能根据这个函数猜测成果。监督学习的练习集请求是包含输入跟输出,也可能说是特点跟目标。练习集中的目标是由人标注的。常见的监督学习算法包含回归分析跟统计分类。
  • 无监督学习与监督学习比拟,练习集不人为标注的成果。常见的无监督学习算法有聚类。
  • 半监督学习介于监督学习与无监督学习之间。
  • 加强学习通过察看来学习做成如何的动作。每个动作都会对环境有所影响,学习对象根据察看到的四周环境的反馈来做出断定。

具体的机器学习算法有:

  • 构造前提概率:回归分析跟统计分类
    • 人工神经网络
    • 决定树(Decision tree)
    • 高斯过程回归
    • 线性断定分析
    • 最近街坊法
    • 感知器
    • 喷射 基函数
    • 支撑向量机
  • 通过再生模型构造概率密度函数(Probability density function):
    • 最大冀望算法(Expectation-maximization algorithm)
    • graphical model:包含贝叶斯网跟Markov随机场
    • Generative Topographic Mapping
  • 近似推断技巧:
    • 马尔可夫链(Markov chain) 蒙特卡罗方法
    • 变分法
  • 最优化(Optimization):大多数以上方法,直接或者间接利用最优化算法。

[编辑] 参看

  • 人工智能
  • 打算智能
  • 数据发掘(Data mining)
  • 模式辨认(Pattern recognition)
  • 机器学习方面重要出版物(打算机科学)
  • 机器学习方面重要出版物(统计学)
  • 自主把持机器人
  • 演绎逻辑编程
  • 决定树
  • 神经网络
  • 强化学习
  • 贝叶斯学习
  • 最近邻
  • 打算学习实际

[编辑] 参考书目

  • Bishop, C. M. (1995). 模式辨认神经网络,牛津大学出版社。ISBN 0198538642
  • Bishop, C. M. (2006). 模式辨认与机器学习,Springer。ISBN 978-0387-31073-2
  • Richard O. Duda, Peter E. Hart, David G. Stork (2001) 模式分类(第2版), Wiley, New York, ISBN 0471056693.
  • MacKay, D. J. C. (2003). 信息实际,推理跟学习算法,剑桥大学出版社 ISBN 0521642981
  • Mitchell, T. (1997). 机器学习, McGraw Hill. ISBN 0070428077
  • Sholom Weiss, Casimir Kulikowski (1991). Computer Systems That Learn, Morgan Kaufmann. ISBN 1-55860-065-5

[编辑] 外部链接

  • UCI description
  • 机器学习软件Weka
  • Pablo Castro主页
  • 机器学习网邮件列表
  • 机器学习跟天然语言处理-弗莱堡大学
  • 机器学习跟数据发掘,生物信息学小组,慕尼黑产业大学
  • 机器学习跟生物打算-Bristol大学
  • 机器学习跟利用统计学@ 微软研究
  • 机器学习研究月刊
  • 机器学习期刊
  • 机器学习-Kmining,数据发掘跟KDD科学参考
  • Book "智能体系社区" by Walter Fritz
  • 开放目录名目
  • 机器学习论文-CiteSeer
  • Orange,利用Python脚本语言的机器学习组件跟可视化编程接口
来自“http://zh.wikipedia.org/w/index.php?title=机器学习&oldid=19332472”
机器人产品查询系统
与主题相关产品查询和购买: 机器人理论 机器学习

上一篇Robonaut 2 下一篇robots.txt

词条信息

ncnynl
ncnynl
超级管理员
词条创建者