Kategorie materiałów Informatyka

Przedmiot: Systemy wspom. decyzji Wróć do kategorii

Systemy uczące się

plik Pobierz Systemy uczace sie.txt

Systemy uczące się

+ Odkrywanie wiedzy
+ Uczenie się
+ Indukcja


Odkrywanie wiedzy


Odkrywanie prawidłowości w zbiorach danych możemy śmiało nazwać uczeniem się na podstawie tych danych. Wiedza zdobyta podczas analizy danych jest w pewnym sensie ich uogólnieniem. Taki sposób uczenia się nazywa się uczeniem indukcyjnym.

Do odkrywania wiedzy wykorzystuje się obecnie nieco “podrasowane” algorytmy uczenia sie, opracowane wcześniej bez uwzględnienia praktycznego ich zastosowania w analizie rzeczywistych danych, które bardzo często posiadają bardzo duże rozmiary, są zaszumione i niekompletne oraz posiadają wiele atrybutów różnych typów.

Szybki rozwój dziedziny odkrywania wiedzy doprowadził również do powstania nowych algorytmów, które bez problemu radzą sobie z rzeczywistymi danymi, oraz znajdują zastosowanie w odnajdywaniu nowych rodzajów zależności, którymi nie zajmowano się w ramach badań nad uczeniem maszynowym.[1]



Uczenie się


Poprzez uczenie się rozumiemy pewne autonomiczne zmiany w systemie, mające na celu polepszenie jakości jego działania, odbywające się na podstawie obserwacji otaczającego świata lub analizy danych historycznych. Przyjmijmy, że zmiana ta polega na zdobyciu lub udoskonaleniu przez uczącego się wiedzy lub umiejętności, zapamiętaniu tej wiedzy lub umiejętności i wykorzystaniu jej do wykonania stawianych mu zadań. Rodzaj uczenia się, z którym będziemy mieć do czynienia zależy od postaci i sposób dostarczania uczącemu się jego obserwacji i doświadczeń, mechanizm generowania jakiejś wiedzy na ich podstawie oraz sposób wykorzystania tej wiedzy. Jeżeli zadaniem uczącego się miałoby być odpowiednie zakwalifikowanie obiektu do danej kategorii, pokazalibyśmy mu szereg prawidłowo zakwalifikowanych obiektów do kategorii i na tej podstawie uczący się zdobyłby potrzebną wiedzę do zakwalifikowania dowolnego obiektu do odpowiedniej kategorii.[1]


Indukcja


Z pojęciem indukcji mamy do czynienia, kiedy mówimy o wnioskowaniu indukcyjnym. Potocznie poprzez pojęcie indukcji rozumiemy przechodzenie od wielu drobnych faktów do jednego prawa ogólnego, opisującego je wszystkie. Poprzez uczenie się na podstawie wnioskowania indukcyjnego rozumiemy wytworzenie na podstawie analizy obserwowanych faktów, bądź danych historycznych hipotezy indukcyjnej, stanowiącej ogólny obraz analizowanych danych. Uzyskana w ten sposób wiedza może być później stosowana do wnioskowania dedukcyjnego, czyli stosowania hipotezy indukcyjnej do rozwiązania nowych zadań.

Mamy więc dwa rodzaje wnioskowania:

* wnioskowanie indukcyjne – stworzenie hipotezy indukcyjnej na podstawie analizowanych danych,
* wnioskowanie dedukcyjne – wykorzystanie hipotezy indukcyjnej do rozwiązania nowych zadań.

W praktyce mamy zwykle do czynienia z danymi zorganizowanymi w rekordach, opisanych przez odpowiednio dobrany zestaw atrybutów. Wnioskowanie indukcyjne polega na odnalezieniu zależności między tymi atrybutami, a wnioskowanie dedukcyjne polega na zastosowaniu znalezionych hipotez do sprawdzania poprawności lub przewidywania przyszłych wartości nowych rekordów lub atrybutów.



[1] Bibliografia: Cichosz, Paweł, Systemy uczące się. WNT, 2000.

Wkuwanko.pl jako podmiot świadczący usługę hostingu materiałów edukacyjnych nie ponosi odpowiedzialności za ich zawartość.

Aby zgłosić naruszenie prawa autorskiego napisz do nas.

ikona Pobierz ten dokument

Wróć do kategorii

wkuwanko.pl

Wasze komentarze: dodaj komentarz

  • Nie ma jeszcze komentarzy do tego materiału.

Materiały w kategorii Systemy wspom. decyzji [26]

  • podgląd pobierz opis Gry
  • podgląd pobierz opis Konfrontacja umysłów
  • podgląd pobierz opis Metody sieciowe wspomagania decyzji
  • podgląd pobierz opis SID 01 Przeszukiwanie przestrzeni stanów NOWOŚĆ
  • podgląd pobierz opis SID 02 Przeszukiwanie przestrzeni stanów - algorytmy ślepe NOWOŚĆ
  • podgląd pobierz opis SID 03 Przeszukiwanie przestrzeni stanów - algorytmy heurystyczne NOWOŚĆ
  • podgląd pobierz opis SID 04 Przeszukiwanie przestrzeni stanów - problemy z wiezami NOWOŚĆ
  • podgląd pobierz opis SID 05 Przeszukiwanie przestrzeni stanów - gry NOWOŚĆ
  • podgląd pobierz opis SID 06 Wnioskowanie w rachunku zdań NOWOŚĆ
  • podgląd pobierz opis SID 07 Wnioskowanie w logice I rzedu NOWOŚĆ
  • podgląd pobierz opis SID 08 Planowanie NOWOŚĆ
  • podgląd pobierz opis SID 09 Uczenie maszynowe - wprowadzenie i drzewa decyzyjne NOWOŚĆ
  • podgląd pobierz opis SID 10 Uczenie maszynowe - systemy regułowe NOWOŚĆ
  • podgląd pobierz opis SID 11 Sieci neuronowe NOWOŚĆ
  • podgląd pobierz opis SID 12 Uczenie maszynowe - wnioskowanie oparte na podobieństwie NOWOŚĆ
  • podgląd pobierz opis SID 13 Sieci bayessowskie 1 NOWOŚĆ
  • podgląd pobierz opis SID 14 Sieci bayessowskie 2 NOWOŚĆ
  • podgląd pobierz opis Systemy uczące się
  • podgląd pobierz opis Systemy wspomagania decyzji
  • podgląd pobierz opis Sztuczna inteligencja - Labolatorium 4 - Algorytmy genetyczne
[ Misja ] [ Regulamin ] [ Kontakt ] [ Reklama ]   © wkuwanko.pl 2008-2018 właściciel serwisu SZLIFF

Partnerzy: matzoo.pl matmag.pl batmat.pl onlinefm.pl pisupisu.pl Matematyka radio online