机器学习的发展现状及其相关研究
摘要 : 阐述了机器学习的概念及其研究现状 , 讨论了其中
的关键技术、难点及应用与发展前景 , 并对机器学习研究中的有
关问题提出一些看法 .
关键词 : 人工智能 ; 机器学习 ; 泛化
1 机器学习的发展现状
机器学习 (machine learning) 是继专家系统之后人工智能
应用的又一重要研究领域 , 也是人工智能和神经计算的核心研
究课题之一 . 机器学习是人工智能领域中较为年轻的分支 , 其
发展过程可分为 4 个时期 : 1)20 世纪 50 年代中期到 60 年代中
期 , 属于热烈时期 ; 2)60 年代中期至 70 年代中期 ,被称为机器
学习的冷静时期 ; 3)70 年代中期至 80 年代中期 , 称为复兴时
4)1986 年开始是机器学习的最新阶段 . 这个时期的机器学习具
有如下特点 : 机器学习已成为新的边缘学科并在高校成为一门
独立课程 ; 融合了各种学习方法且形式多样的集成学习系统研
究正在兴起 ; 机器学习与人工智能各种基础问题的统一性观点
正在形成 ; 各种学习方法的应用范围不断扩大 , 一部分应用研
究成果已转化为商品 ; 与机器学习有关的学术活动空前活跃 .
2 机器学习的概念、类型及特点
2.1 机器学习的基本概念
机器学习的研究主旨是使用计算机模拟人类的学习活动 , 它
是研究计算机识别现有知识、 获取新知识、 不断改善性能和实现
自身完善的方法 .机器学习的研究目标有 3 个 : 1) 人类学习过程
的认知模型 ; 2)通用学习算法 ; 3)构造面向任务的专用学习系统
的方法 .在图 1 所示的学习系统基本模型中 , 包含了 4 个基本组
成环节 . 环境和知识库是以某种知识表示形式表达的信息的集
合 , 分别代表外界信息来源和系统所具有的知识 ; 环境向系统
的学习环节提供某些信息 , 而学习环节则利用这些信息对系统
的知识库进行改进 , 以提高系统执行环节完成任务的效能 . “执
行环节”根据知识库中的知识完成某种任务 , 同时将获得的信息
反馈给学习环节 .
2.2 基于符号的机器学习
基于符号的机器学习 , 是基于代表问题域中实体和关系的
符号集合 . 符号学习算法就是利用这些符号推出新颖、 有效的一
学习/机器/研究/系统/知识/年代/中期/环节/符号/时期/
学习/机器/研究/系统/知识/年代/中期/环节/符号/时期/
-->