机器学习、深度学习与强化学习_林强_9787513062534

本书从数学优化的角度对目前人工智能的代表技术机器学习进行分析，解决了目前这一领域偏向应用，数学理论较弱的问题，从原理、数学解析两个方面对特征提取、分类、聚类、神经网络等进行了全面系统的剖析。解决了目前人工智能领域偏向应用，数学理论较弱的问题，从原理解析、数学解析两个方面对机器学习进行剖析。

人类对世界的认识是理论来源于实践又服务于实践的过程。作为对人类认知行为的近似，机器学习、深度学习和强化学习的过程也是认知来源于世界又服务于世界的过程。当离开人类的参与，这一行为完全由计算机自主实现时，这一过程表现为建立在机器学习、深度学习、强化学习（为表达方便，除非特别指出，采用机器学习代表三种学习形式，下同）基础之上的自组织过程。

交换是经济社会中一种常见的基本的经济形式。现代交换经济中，物理世界的产品流通过与信息流结合，将现实世界映射到数字的世界。机器学习又将这个数字的世界映射到有限维或无限维的空间中，局部的或整体的空间中，呈现出结构与结构之间的关系。

人类最重要的两个智能行为是学习和解决问题的能力。机器学习是让计算机模拟和实现人类的学习，以获取解决问题的知识。专家系统是基于经验的学习，也是机器学习的初级方式。专家系统利用专家的知识来解决实际问题，解决问题的能力达到了专家水平。但是专家系统在发展过程中遇到了不少的困难。一方面，从专家那里获取知识是一项既费时又费力的困难工作。专家能在实际中有效地解决问题，但要专家整理出自己的知识和经验，他往往无从下手。这为知识获取带来了困难，形成了知识获取的瓶颈现象。另一方面，基于经验的学习虽然在解决问题上具有一定功效，但是却难以反映问题以及解决方法的本质特征。机器学习是基于数据或样本的学习，为解决知识获取的问题提供了有效的途径。它使得计算机可以从大量实例中自动归纳，产生描述和抽象这些实例的一般规则知识，从而在反复学习中不断逼近问题以及解决方案的本质。

机器学习被列为人工智能的核心技术，它以知识处理为主体，利用知识进行推理，完成人类定性分析的部分智能行为。人工智能技术融入决策支持系统后，使决策支持系统在模型技术和数据处理技术的基础上，增加了知识推理技术，使决策支持系统的定量分析和AI的定性分析结合起来，从而提高辅助决策和支持决策的能力。

你还可能感兴趣

我要评论