Save mokančios sistemos (machine learning), jų taikymas, šiuolaikiniai pasiekimai

Save mokančios sistemos (machine learning), jų taikymas, šiuolaikiniai pasiekimai.
2006 m.
Penkios save mokančių sistemų pagrindinės sritys
Save mokančios sistemos (machine learning), kaip dirbtinio intelekto dalis, apima labai plačią procesų sritį, kurią labai sunku aprašyti vienu apibrėžimu. Kas liečia save mokančia mašinas, galima sakyti, kad sistema išmoksta tai - kas keičia jos struktūrą, programą ar jos informaciją, tokiu būdu keičiant tikimasi pagerinti, patobulinti sistemos darbą ateityje. Kai kurie iš šių pakeitimų, tokie kaip papildomas įrašas duomenų bazėje, yra labai patogus disciplinų srityje ir nėra geriau būtinas suprasti mokymąsi kaip reikšmę. Bet pavyzdžiui, kai yra vykdomas kalbos atpažinimo (speech-recognition) sistemos tobulinimas po klausymosi kelių pavyzdžių (samples), vieno žmogaus, iš dalies mes galime sakyti, kad sistema išmoko, įsiminė „samplus“. Bendrai tariant save mokančios sistemos yra dalis kompiuteriu mokslo, kuris susijęs su sistemomis galinčiomis mokytis iš joms pateikiamų duomenų, ar iš save mokančių sistemų atliktų veiksmų. Save mokančios sistema (Macine learning) atsakinga už DI galimumą automatiškai mokytis iš jau apdorotu žinių. Ši galimybė mokytis iš patirties, analizinis peržiūrėjimas, ir kita reiškia, kad sistema gali pradėti veikti labai veiksmingai ir naudingai, t.y. kad sistemos su šiuo mechanizmu yra žymiai pranašesnės nei sistemos be šio mechanizmo.
Save mokančios sistemose dažniausiai kalbama apie susijusius pasikeitimus sistemoje, kalbant apie dirbtinį intelektą DI (artificial intelligence AI). Tai yra tokie užduočių veiksmai kaip atpažinimas, diagnozė, planavimas, robotu kontrolė (robot control) , pranašavimas.
Penkios save mokančių sistemų pagrindinės sritys:
• Analytic learning methoods – analitiniai mokymosi metodai.
• Neural network - semantiniai tinklai.
• Genetic algorithms – genetiniai algoritmai.
• Clasifier systems - sistemos klasifikatorius.
• Desision trees – sprendimų medis
• Case-based approaches learning –tikrinimu pagristas mokymasis
Save mokančių sistemų (Mahine learning) tikslai
Save mokančių sistemų (Mahine learning) tikslai:
• Suprasti ir pagerinti mastymą nei žmonių.
• Atrasti naujus dalykus arba struktūras, kurios yra nežinomos žmogaus.
• Užpildyti atitinkamą sritį didelėje dirbtinio intelekto sistemoje.
Komponentai sudarantys save mokančia sistemą:
Pasikeitimai bet kuriame iš elementų gali būti suprantami...

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!