Інженерія знань. Штучний інтелект. Машинне навчання

Нейромережі

Нейронні мережі, будучи не окремим інструментом, але одним з видів машинного навчання, здатна моделювати роботу людського мозку за допомогою штучних нейронів. Їх дія спрямована рішення поставленої задачі і самонавчання на підставі отриманого досвіду з мінімізацією помилок.

Цілі машинного навчання

Основною метою машинного навчання вважається часткова або повна автоматизація пошуку рішень різних аналітичних завдань. З цієї причини машинне навчання повинне давати на підставі отриманих даних максимально точні прогнози. Результатом навчання машини стає передбачення і запам’ятовування результату з можливістю подальшого відтворення і вибору одного з кращих варіантів.

Види машинного навчання

Класифікація навчання за ознакою наявності вчителя відбувається на три категорії:

З учителем. Застосовується, коли використання знань передбачає навчання машини розпізнавання сигналів і об’єктів.

Без вчителя. Принцип роботи базується на алгоритмах, що виявляють подібності і відмінності об’єктів, аномалій з подальшим розпізнаванням того, що з них вважається несхожим небудь незвичайним.

З підкріпленням. Застосовуються, якщо машина повинна правильно виконати завдання у зовнішньому середовищі з безліччю можливих рішень.

За видом використовуваних алгоритмів поділяють на:

Класичне навчання. Алгоритми навчання, розроблені понад півстоліття тому для статистичних бюро і ретельно вивчені за минулий час. Використовується для вирішення завдань, пов’язаних із роботою з даними.

Глибоке навчання та нейронні мережі. Сучасний підхід до машинного навчання. Нейромережі застосовуються, коли потрібно генерація або розпізнавання відео і зображень, машинний переклад, складні процеси прийняття і аналізу рішень.

В інженерії знань можливі ансамблі моделей, що поєднують кілька різних підходів.

Сторінка: 1 2 3 4 5 6