机器学习研究现状与发展趋势
苏丹红是什么-
机器学习研究现状与发展趋势
计算机科学与软件学院
引言
:
机器能否象人类一样能具有学
习能力呢？
1959
年美国的塞缪尔
(
Samuel)
设计了一个下
棋程序，这个程序具有学习能力，
它可以在不断的对奕中改善自己的棋艺。
4
年后，这个程
序战胜了设计者本人。
又过了
3
年，
这个程序战胜了美国一个保持
8
年之久的常胜不败的冠
军。这个程序向人们展示了机器学习的能力，提出了许多
令人深思的社会问题与哲学问题。
机器学习的研究是根据生
理学、
认知科学等对人类学习机理的了解，
建立人类学习过程<
/p>
的计算模型或认识模型，
发展各种学习理论和学习方法，
研究通用的学习算法并进行理论上
的分析，建立面向任务的具有特定应用
的学习系统。这些研究目标相互影响相互促进。
机器学习是关
于理解与研究学习的内在机制、
建立能够通过学习自动提高自身水平的计
算机程序的理论方法的学科。近年来机器学习理论在诸多应用领域得到成功的应用与发展，
已成为计算机科学的基础及热点之一。
机器学习是
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。
现有的计算机系统和人工智能系统没有什么学习能力
，
至多也只有
非常有限的学习能力，
因
而不能满足科技和生产提出的新要求。
对机器学习的讨论和机器学
习研究的进展，必将促使人工智能和整个科学技术的进一步发展
。
一
.
机器学习的发展史
机器学习是人工智能研究较为年轻的分支，它的发展过程大体上可分为
4
个时期。
第一阶段是在
50
年代中叶到
60
年代中叶，属于
热烈时期。…
>
第二阶段是在
60
年代中叶至
70
年代中叶，被称为机器
学习的冷静时期。
第三阶段是从
7
0
年代中叶至
80
年代中叶，称为复兴
时期。
机器学习的最新阶段始于
1
986
年。
机器学习进入新阶段的重要表现在下列诸方面：
(1)
机器学习已成为新的边缘学科并在高校形成一门课程。
它综合应用心理学、
生物学
和神经生理
学以及数学、自动化和计算机科学形成机器学习理论基础。
(2)
结合各种学习方法，
取长补短
的多种形式的集成学习系统研究正在兴起。
特别是连
接学习符号
学习的耦合可以更好地解决连续性信号处理中知识与技能的获取与求精问题而
受到重视。
(3)
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。
例如学习与问题求解结
合进行
、知识表达便于学习的观点产生了通用智能系统
SOAR
的组块
学习。类比学习与问题
求解结合的基于案例方法已成为经验学习的重要方向。
(4)
各种学习方法的应用范围不断扩大，
一部分已形成商品。
归纳学习的知识获取工具
< br>已在诊断分类型专家系统中广泛使用。
连接学习在声图文识别中占优势。
分析学习已用于设
计综合型专家系统。
遗传算法
与强化学习在工程控制中有较好的应用前景。
与符号系统耦合
的
神经网络连接学习将在企业的智能管理与智能机器人运动规划中发挥作用。
(5)
与机器学习有关的学术活动空前活跃。
国际上除每年一次的机器学习研讨会外，
还
有计算机学
习理论会议以及遗传算法会议。
二
.
机器学习分类
1
、基于学习策略的分类
学习策略是指学习过程中系统所采用的推理策略。
一个学习系统总是由学习
和环境两部
分组成。由环境（如书本或教师）提供信息，学习部分则实现信息转换，用能
够理解的形