ПРИМЕНЕНИЕ ЗНАНИЙ В ОБУЧЕНИИ

Во всех подходах к обучению, описанных в предыдущих трех главах, основная идея состоит в том, что должна быть сформирована функция, входные и выходные данные которой соответствуют закономерностям, наблюдаемым в данных. В каждом подобном случае методы обучения можно рассматривать как поиск в пространстве гипотез для обнаружения подходящей функции, начиная только с очень простых предположений о форме этой функции, таких как "полином второго порядка" или "дерево решений", и руководствуясь такими критериями, как "чем проще, тем лучше". Применение такого подхода равносильно требованию, что перед началом изучения чего-либо нового необходимо в первую очередь забыть (почти) все, что вы знаете. А в данной главе рассматриваются методы обучения, позволяющие воспользоваться априорными знаниями о мире. В большинстве случаев априорные знания представлены в виде общих логических теорий первого порядка, поэтому вначале в этой главе необходимо систематизировать сведения о представлении знаний и обучении.
ЛОГИЧЕСКАЯ ФОРМУЛИРОВКА ЗАДАЧИ ОБУЧЕНИЯ
В глава 18 было дано определение чисто индуктивного обучения как процесса поиска гипотезы, которая согласуется с наблюдаемыми примерами. В данной главе это определение уточняется и распространяется на тот случай, когда гипотеза представлена в виде множества логических высказываний. Описания примеров и определения классов также заданы в виде логических высказываний, а классификация нового примера может быть выполнена путем логического вывода классификационного высказывания из гипотезы и описания примера. Такой подход обеспечивает инкрементное формирование гипотез путем последовательного добавления каждый раз по одному предложению. Он также дает возможность использовать априорные знания, поскольку уже известные высказывания могут помочь при классификации новых примеров. На первый взгляд может показаться, что логическая формулировка задачи обучения требует выполнения вначале большого объема дополнительной работы, но, как оказалось, она позволяет прояснить многие нерешенные проблемы обучения. Указанный подход дает возможность намного превзойти простые методы обучения, описанные в главе 18, поставив на службу обучению всю мощь логического вывода.







Материалы

Яндекс.Метрика