機器學習

機器學習Machine Learning人工智能的一個分支。人工智能的研究歷史係以一支「推理」為起始點,到獲取「知識」為重點,再以此「學習」為出發點的自然、清晰的脈絡實現。顯然,機器學習是實現人工智慧的一個途徑之一。機器學習可以是監督學習無監督學習半監督學習強化學習。機器學習可以被廣泛應用於居家管理、購物車、娛樂媒體,以及醫療保健業等。機器學習理論主要是設計和分析一些讓電子計算機電腦數位訊號處理器專用積體電路)可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析獲得規律,並利用規律對未知資料進行預測的演算法。機器學習在近 30多年已發展為一門多領域科際整合,涉及機率論統計學逼近論凸分析計算複雜性理論等多門學科。


應用科學〗【main

圖靈測試

圖靈測試(英語:Turing test)是英國電腦科學家·艾倫·圖靈1912/06/231954/06/07)於 1950年提出的思想·實驗,圖靈也稱之為「模仿遊戲」。圖靈測試的實驗流程是由一位詢問者寫下自己的問題,隨後將問題傳送給在另一個房間中的一個人與一台機器,由詢問者根據他們所作的回答來判斷哪一個是真人,哪一個是機器。由於所有測試者都被單獨隔離,對話以純文字形式透過螢幕傳輸,因此結果不取決於機器的語音能力;這個實驗用意在「探求機器能否模仿出與人類相同或無法區分」的智慧型態。


top】【main

認知科學

認知科學cognitive science)跨越相當多層次的分析,從低層次的學習決策機制,到高層次的邏輯和策劃能力,以至於神經系統(腦部神經·電路)。


top】【main

監督式學習

監督式學習supervised learning),可以由訓練資料中學習或建立一個模式(learning model),並依此模式推測新的實例,是機器學習方式的一種。訓練集(英語:training dataset)是由輸入物件(通常是向量)和預期輸出所組成。函數(模式)的輸出可以是一個連續的值(迴歸分析regression analysis),或是預測一個分類標籤taxonomy)。


top】【main

無監式督學習

無監督式學習unsupervised learning)是針對輸入資料進行「自動分類」或「自動分群」,是機器學習方式的一種。無監督學習不需提供「事先標記過的訓練」範例,是監督式學習強化學習等策略之外的一種選擇,主要運用領域:聚類分析cluster analysis)、關聯規則association rule)、維度縮減dimensionality reduce)。生成對抗網絡Generative Adversarial Network,簡稱:GAN)是無監督式學習的一種方法,它通過兩個類神經網絡相互博弈的方式進行學習。
參考:得當深度學習


top】【main

半監督學習

半監督學習semi-supervised learning)介於監督式學習(訓練數據全部有標籤)和無監督式學習(訓練數據全部無標籤)之間。半監督學習旨在緩解訓練數據中「有標籤數據」帶來的有限問題。


top】【main

強化學習

強化學習reinforcement learning)在於強調如何基於生態環境考量而行動,用以取得最大化的預期利益。強化學習不需要帶標籤式的「輸入、輸出」配對,同時也無需對「非最優控制」作精確地糾正。強化學習也被稱作「近似動態規劃」(approximate dynamic programmingADP)。


top】【main

機器人專輯

泛科技(PanX)熱門文章特輯

  1. 機器人的過去、現在與未來2016/05/04);
  2. 機器人出事,到底是啥緣由2016/05/05);
  3. 機器人發展從 AB 的方式2016/05/06);
  4. 機器人競賽觀戰指南2016/05/07);
  5. 機器人對決不是夢!2016/05/08);
  6. 機器人的現在進行式2016/05/09);
  7. 服務型機器人聯盟2018/11/15

top】【main

發佈留言