Išplėstinė paieška
 
 
 
Pradžia>Informatika>Save mokančios sistemos (machine learning), jų taikymas, šiuolaikiniai pasiekimai
   
   
   
naudingas 0 / nenaudingas 0

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

  
 
 
1234567
Aprašymas

Penkios save mokančių sistemų pagrindinės sritys. Save mokančių sistemų (Mahine learning) tikslai. Save mokančių sistemų pagrindinės paradigmos. Mokymosi metodai. Induktyvumo tendencijos. Vienos svarbiausių mokančių sistemų (learning systems).

Ištrauka

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:
• 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 kaip mokymasis. Skirtingi mokymosi mechanizmai yra pasiskirstę, priklausomai nuo posistemės, kurioje buvo padaryti pakeitimai. Paprasčiausią mokymosi sistemos mechanizmo modelis sudarytas iš:
• Mokymosi elementas (learning element) – dalis atsakinga už reikšmingus pasikeitimus.
• Vykdymo elementas (perfomance element)- dalis atsakinga už reagavimą į veiksmus.
• Kritikas (critic) – nurodo mokymosi elementui mokymosi agento būsena.
• Problemos generatorius (problemos generator) – siūlo galimus veiksmus, kurie padėtų "išmokti" naują informaciją.
• Problemų generatorius (Problem generator) siūlo problemas arba veiksmus, kurie generuos naujus pavyzdžius ar patirtį, kuri "treniruos" sistemą tolimesniame jos darbe.

Save mokančių sistemų vykdymo greitis priklauso nuo:
• Pirminio sistemos klasifikatoriaus tikslumo.
• Mokymosi greičio.
• Sistemos tikslinimo greičio;
• Vietos reikalavimams.
Vienas bendriausių ir reikšmingiausių kriterijų yra sistemos tikslumas. ...

Rašto darbo duomenys
Tinklalapyje paskelbta2006-10-12
DalykasInformatikos referatas
KategorijaInformatika
TipasReferatai
Apimtis5 puslapiai 
Literatūros šaltiniai7
Dydis14.11 KB
AutoriusDarius
Viso autoriaus darbų2 darbai
Metai2006 m
Klasė/kursas4
Švietimo institucijaŠiaulių Universitetas
Failo pavadinimasMicrosoft Word Save mokancios sistemos (machine learning) ju taikymas siuolaikiniai pasiekimai [speros.lt].doc
 

Panašūs darbai

Komentarai

Komentuoti

 

 
[El. paštas nebus skelbiamas]

 
 
  • Referatai
  • 5 puslapiai 
  • Šiaulių Universitetas / 4 Klasė/kursas
  • 2006 m
Ar šis darbas buvo naudingas?
Taip
Ne
0
0
Pasidalink su draugais
Pranešk apie klaidą