Lima sekolah pembelajaran mesin yang anda tidak tahu

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa pengaturcaraan yang jelas. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi.

1. Sekolah Semiotik

Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah satu proses deduksi terbalik, menggunakan pengetahuan dan peraturan sedia ada untuk mencari pandangan daripada falsafah, psikologi dan logik. Asal usul semiotik boleh dikesan kembali ke zaman purba, apabila ahli falsafah awal, ahli logik, dan ahli psikologi mengkaji kognisi melalui penggunaan simbol. Walau bagaimanapun, semiotik yang benar-benar sistematik bermula dalam budaya Perancis pada akhir abad ke-19 dan awal abad ke-20, terutamanya dipromosikan oleh sekumpulan penulis, artis dan ahli falsafah daripada sekolah semiotik, beliau dan Allen Newell bersama-sama mencadangkan konsep Penyelesai Masalah Umum (GPS).

• Allen Newell: Salah seorang pengasas sekolah semiotik, dia dan Herbert Simon bersama-sama mencadangkan konsep Penyelesai Masalah Umum (GPS).

John McCarthy: John McCarthy adalah salah seorang perintis dalam bidang kecerdasan buatan dan wakil sekolah semiotik. Beliau mencadangkan istilah "kecerdasan buatan" pada tahun 1956 dan membangunkan bahasa pengaturcaraan LISP, yang menjadi alat penting untuk penyelidikan simbolisme. Kerja McCarthy tertumpu terutamanya pada penaakulan logik dan perwakilan pengetahuan, dan beliau percaya bahawa komputer boleh mensimulasikan proses pemikiran manusia melalui simbol.

Marvin Lee Minsky: Salah seorang pengasas Makmal Kecerdasan Buatan MIT Beliau mencadangkan teori rangka kerja dan memberi sumbangan besar kepada bidang kecerdasan buatan. Marvin Minsky ialah seorang saintis komputer dan saintis kognitif terkemuka. Dia mula belajar kecerdasan buatan pada tahun 1950-an dan menjadi salah satu perintis dalam bidang itu. Fokus penyelidikannya

Algoritma utama

Pengaturcaraan Logik Induktif (ILP) ialah kaedah penaakulan terbalik. Penaakulan songsang biasanya menggunakan penaakulan logik untuk menemui pengetahuan dengan mengekstrak peraturan am daripada contoh khusus.

• 2. Sekolah Connectionism

Connectionism, juga dikenali sebagai connectionism, diilhamkan oleh neurosains dan fizik, menekankan analisis terbalik otak dan simulasi struktur dan fungsi rangkaian saraf. Aliran pemikiran ini percaya bahawa kecerdasan timbul melalui hubungan dan interaksi antara sejumlah besar unit mudah (neuron). Teori ini berpendapat bahawa simulasi sambungan dan interaksi antara neuron boleh menghasilkan tingkah laku pintar. Sambungan dan interaksi ini dicapai melalui sambungan antara unit ringkas (neuron). Dengan melaraskan kekuatan dan berat sambungan dalam rangkaian saraf, sambungan dan pemindahan maklumat antara neuron dalam otak manusia boleh disimulasikan. Salah satu kelebihan utama connectomics ialah ia membolehkan penjanaan kecerdasan melalui sebilangan besar unit mudah

Representative

Yann LeCun ialah seorang saintis cemerlang yang membangunkan dan berjaya menggunakan rangkaian nevisional komputer. tugasan seperti pengecaman digit tulisan tangan. Kerja LeCun telah menggalakkan pembangunan pembelajaran mendalam dalam aplikasi praktikal.

• Geoffrey Hinton: Seorang perintis pembelajaran mendalam, beliau mencadangkan seni bina penting seperti rangkaian neural konvolusi (CNN) dan rangkaian kepercayaan mendalam (DBN).

Yoshua Bengio: Seorang perintis pembelajaran mendalam, beliau mencadangkan seni bina penting seperti rangkaian Long Short-Term Memory (LSTM).

David Rumelhart: Pakar psikologi dan salah seorang pengasas model Pemprosesan Teragih Selari (PDP), beliau mencadangkan algoritma perambatan balik.

Frank Rosenblatt: Ahli psikologi dan pencipta perceptron, beliau mencadangkan algoritma pembelajaran perceptron.

• Algoritma Utama

Algoritma utama sekolah sambungan ialah Backpropagation. Backpropagation ialah algoritma yang mengemas kini berat rangkaian saraf dengan mengira kecerunan fungsi kehilangan, yang sangat meningkatkan kecekapan melatih rangkaian saraf dalam.

3. Pengiraan Evolusi

Pengiraan Evolusi diilhamkan oleh genetik dan biologi evolusi serta menjalankan pembelajaran dan pengoptimuman dengan mensimulasikan proses evolusi biologi. Idea teras sekolah ini adalah menggunakan operasi genetik seperti pemilihan, crossover dan mutasi untuk mensimulasikan proses evolusi biologi pada komputer untuk mencari penyelesaian optimum kepada masalah tersebut.

• Tokoh wakil

John Holland

John Holland ialah perintis dalam bidang pengkomputeran evolusi dia mencadangkan algoritma genetik (Algoritma Genetik) Kerja Holland meletakkan asas untuk pengiraan evolusi, dan algoritma genetiknya menggunakan pemilihan semula jadi dan operasi genetik untuk menyelesaikan masalah pengoptimuman yang kompleks.

David E. Goldberg

David E. Goldberg telah membuat sumbangan penting dalam penyelidikan dan aplikasi algoritma genetik. Bukunya "Genetic Algorithm" memperkenalkan teori dan aplikasi algoritma genetik secara terperinci, yang telah menarik perhatian dan perkembangan meluas dalam bidang ini.

• Algoritma Utama

Algoritma utama sekolah evolusi ialah Pengaturcaraan Genetik (GP). Pengaturcaraan genetik ialah algoritma yang menggunakan teknologi pengkomputeran evolusi untuk menjana program komputer secara automatik Ia secara beransur-ansur mengoptimumkan program untuk menyelesaikan masalah tertentu dengan mensimulasikan proses evolusi biologi.

4. Bayesianisme

Bayesianisme adalah berdasarkan statistik dan percaya bahawa pembelajaran adalah proses penaakulan kemungkinan. Aliran pemikiran ini menggunakan teorem Bayes untuk melaksanakan pembelajaran dan inferens dengan mengemas kini taburan kebarangkalian terdahulu. . Walaupun Bayes sendiri tidak terlibat secara langsung dalam penyelidikan pembelajaran mesin, kerjanya sangat penting untuk pembentukan dan pembangunan sekolah Bayesian.

• Judea Pearl

Judea Pearl telah membuat sumbangan cemerlang kepada rangkaian Bayesian dan inferens sebab-akibat. Pembangunan rangkaian Bayesian beliau ialah alat penting yang menjadikan penaakulan kebarangkalian dalam sistem kompleks lebih cekap dan intuitif. Karya Pearl telah memberi impak yang mendalam pada kedua-dua kecerdasan buatan dan statistik.

Algoritma Utama

Algoritma utama sekolah Bayesian ialah Inferens Bayesian. Penaakulan Bayesian membuat ramalan dan keputusan dengan mengira kebarangkalian posterior, dan mempunyai kelebihan yang ketara dalam menangani ketidakpastian dan sistem yang kompleks.

5. Sekolah Analogi

• Analogisme belajar melalui ekstrapolasi pertimbangan persamaan dan dipengaruhi oleh psikologi dan pengoptimuman matematik. Aliran pemikiran ini menekankan penaakulan analogi daripada contoh yang diketahui untuk menemui pengetahuan baharu dan menyelesaikan masalah. . Mesin vektor sokongan ialah kaedah pembelajaran yang diselia berdasarkan teori pembelajaran statistik dan digunakan secara meluas dalam masalah klasifikasi dan regresi.

Tom Michael Mitchell

Tom Michael Mitchell telah membuat sumbangan yang luas dalam bidang pembelajaran mesin, dan bukunya "Pembelajaran Mesin" ialah buku teks penting dalam bidang ini. Penyelidikan Kowalski tentang pembelajaran analogi dan pengaturcaraan logik induktif memberikan sokongan teori yang penting untuk pembangunan sekolah analogi.

• Algoritma Utama

Algoritma utama sekolah analogi ialah Mesin Vektor Sokongan (SVM). Sokongan mesin vektor melaksanakan tugas klasifikasi dengan membina hyperplane untuk memaksimumkan pemisahan antara kategori yang berbeza. Dalam ruang data berdimensi tinggi, SVM berfungsi dengan baik dan amat sesuai untuk masalah pengecaman corak yang kompleks.

6. Perbandingan lima sekolah utama pembelajaran mesin

Penapisan spam, diagnosis perubatan, perolehan maklumat

	Wakil	Idea utama	Algoritma utama	Bidang aplikasi
	Herbert Simon, Alan Newell Er, John McCarthy, Marvin Lee Minsky	Pembelajaran ialah satu proses manipulasi simbolik	Potongan terbalik	Perwakilan bahasa semula jadi
Sekolah Connectionist	Jan LeCun, Jeffrey Hinton, Joshua Bengio, David Rummelhart, Frank Rosenblatt	Pembelajaran ialah proses yang meniru rangkaian saraf otak	Rambatan belakang	Pengecaman imej, pemprosesan bahasa semula jadi
Sekolah evolusi	John Holland, David Goldberg	Pembelajaran ialah proses yang meniru evolusi biologi	Algoritma genetik, strategi evolusi penyelesaian
Sekolah Bayesian		Sekolah Analogi	Vladimir Vapnik, Tom Michael Mitchell	Pembelajaran ialah satu proses dengan mengekstrapolasi pertimbangan persamaan	berdasarkan analogi sistem pujian, alasan kes, terjemahan mesin	7. Ringkasan Sekolah semiotik menekankan penaakulan logik dan perwakilan pengetahuan, sekolah koneksi mensimulasikan struktur dan fungsi rangkaian saraf, sekolah evolusi menggunakan proses evolusi biologi untuk pengoptimuman, sekolah Bayesian mengendalikan ketidakpastian melalui penaakulan kebarangkalian, dan sekolah analogi melakukan penaakulan analogi melalui penghakiman persamaan. Setiap sekolah mempunyai wakil dan algoritma utamanya, dan sumbangan mereka bersama-sama mempromosikan pembangunan dan kemajuan bidang pembelajaran mesin.

Walaupun kelima-lima sekolah ini mempunyai perbezaan dalam teori dan kaedah, mereka tidak saling eksklusif, tetapi boleh saling melengkapi dan berintegrasi. Dalam aplikasi praktikal, penyelidik sering menggabungkan pelbagai kaedah untuk menangani masalah yang kompleks dan boleh diubah. Dengan perkembangan teknologi dan pendalaman penyelidikan antara disiplin, pembelajaran mesin akan terus memainkan peranan penting dalam semua aspek kecerdasan buatan, membawa lebih banyak inovasi dan penemuan.

Atas ialah kandungan terperinci Lima sekolah pembelajaran mesin yang anda tidak tahu. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!