摘要: 知识获取是知识处理过程中的“瓶颈“,这一问题的解决有赖于机器学习研究的进展。本文从两种不同的角度概述并评价了当前机器学习中的一些主要技术和典型系统,其一是着眼于机器学习技术所采用的推理方式,即演绎推理、归纳推理和类比推理,其二是强调机器学习系统所使用的知识类型和学习过程中信息流动的走向。
[1] | 魏英姿 赵明扬. 强化学习算法中启发式回报函数的设计及其收敛性分析 计算机科学, 2005, 32(3): 190-193. |
[2] | 杨佩 陈兆乾 陈世福. 机器学习在RoboCup中的应用研究 计算机科学, 2003, 30(6): 118-121. |
[3] | 张浩然 韩正之 李昌刚. 支持向量机 计算机科学, 2002, 29(12): 135-137. |
[4] | 莫纯欢 石纯一. 进化算法的选择机制分析 计算机科学, 1998, 25(6): 45-48. |
[5] | 郭茂祖 陈彬. 加强学习 计算机科学, 1998, 25(3): 13-15. |
[6] | 黄通 何志均. 解释学习的效用问题 计算机科学, 1992, 19(2): 64-68. |
[7] | 罗翊 王克宏. 基于归纳的机器学习方法的实现研究 计算机科学, 1992, 19(2): 69-74. |
[8] | 张鸿宾. 计算学习理论及其应用(1) 计算机科学, 1992, 19(2): 59-63. |
[9] | 张家重 费宗铬. 关于解释学习逻辑构架的一些扩充 计算机科学, 1991, 18(5): 38-43. |
[10] | 洪家荣. 机器学习—回顾与展望 计算机科学, 1991, 18(2): 1-8. |
[11] | 费宗铭 吕建. 机器学习 计算机科学, 1991, 18(1): 26-32. |
[12] | 罗钧min. 智能系统与机器学习 计算机科学, 1991, 18(1): 32-35. |
[13] | 张少平 陈火旺. 解释归约:解决多种解释问题的一种途径 计算机科学, 1990, 17(6): 52-55. |
[14] | 陈火旺 张少平. 基于解释的学习 计算机科学, 1990, 17(1): 1-5. |
|