机器学习的知识结构

机器学习是模拟人类学习活动过程来完成进行学习。本文通过分析机器学习系统在学习过程对知识的使用特点,提出将机器学习系统中知识库里的知识分为样本特征知识,操作性知识和推理性知识三个方面：并根据它们在学习过程中的作用．讨论了这三方面知识之间的关系。     

基于机器学习的智能概念设计系统研究

本文给出了一种基于机器学习的智能概念设计系统，结合人工智能特别是机器学习的特点和概念设计的知识，给出了这种系统的机器学习过程，系统结构、工作流程以及主要模块的设计和算法。     

关于机器学习

知识工程的一个重要方面就是如何获取知识.目前它已成为开发专家系统的“瓶子口”问题.因此研究者们对机器学习问题日益重视.本文简单地回顾了关于机器学习研究的发展,并探讨了各种学习系统之间的关系.     

机器学习

目前,机器学习研究方兴未艾,同时,对一些基本概念、基本问题的提法尚各执一词。本文首先概述了我们关于机器学习有关问题的基本认识,在此基础上,分析了符号机器学习研究中比较重要的两个领域(归纳学习和基于解释的学习)的研究现状,最后提出了我们的一些想法。关于机器学习的一些看法何谓机器学习?我们认为,机器学习从内在行为看,是从未知到知的过程,是知识增加的过程。从外在表现看,是系统的某些适应性改变,使得系统能完成原来不能完成的任务或把原来能完成的任务做得更好。这是一个问题的两个方面,各有侧重,归纳学习就侧重于概念获取即知识增加的一面,而基于     

Causata机器学习系统探讨

Causata机器学习系统
　　作为 Causata 公司的核心产品， Causata系统是一个为客户提供最佳品质的机器学习的系统，它可安装于企业的多个渠道中，最终实现自动化的营销决策制定。Causata的核心基础设施包括 Causata ID 图谱和 Causata预测性文档。Causata利用突破性技术，致力于为客户提供一个可扩展的、可靠并强大的机器学习系统。     

机器学习与生物信息学

后基因时代，探索和解释隐藏在分子生物学数据库中的有用信息将是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题，有效及廉价的方法是非常必要的．机器学习是一种自动的、具有智能学习技术的方法，有助于达到上述目的。本文就知识发现、人工神经网络、决策树、贝叶斯网络、遗传算法、隐马尔科夫链、聚类、归纳逻辑编程、支持向量机等机器学习方法在生物信息学中的应用进行了系统地评述．这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展．     

大数据机器学习系统综述

机器学习需要有大量的背景数据作为训练集,而大数据技术正好给机器学习带来了这样的大量数据训练集。结合机器学习和大数据技术,为了实现高效的大数据机器学习而设计的大数据机器学习系统面临着诸多的技术问题。大数据机器学习系统成为大数据技术和机器学习领域研究的重要课题。本文介绍了大数据机器学习系统应该具有的概念、特征及相关典型的大数据机器学习系统。     

机器学习在智能车间高度系统中的应用

基于规则和信真的车间高芳系统与专家系统的结合，使智能能调度得到了广泛的应用。但是知识的缺乏制约了应用效果。经过开发一个有机器学习能力的车间调度系统证明：机器间解决知识分管的一个有效途径，用在众多的机器学习算法中，Ｑｕｉｎｌｉａｎ的ＩＤ３算法成为适用于智能调度系统的机器学习算法。     

机器学习在智能车间调度系统中的应用

基于规则和仿真的车间调度系统与专家系统的结合,使智能调度系统得到了广泛的应用。但是知识的缺乏制约了应用效果。经过开发一个具有机器学习能力的车间调度系统证明:机器学习是解决知识贫乏的一个有效途径,且在众多的机器学习算法中,Quinlian的ID3算法成为适用于智能调度系统的机器学习算法。     

KDD中的机器学习

1.机器学习的发展机器学习是研究获取新知识、新技巧,重组已经出现的知识的计算方法,是人工智能中的基本问题,其理论基础涉及人工智能、统计学、脑知模型、适应性控制理论、心理学模型、进化模型(如遗传算法)。机器学习的研究开始于50年代,经过40来年的发展,已经取得     

机器学习方法及其技术应用

描述了机器学习系统的基本结构模型，结合几种主要策略的基本思想，比较和分析了它们的优越性和各自的局限性，重点介绍了机器学习方法的技术应用。     

基于机器学习的计算机视觉应用

对于图像的计算机视觉处理而言，机器学习的合理应用至关重要。为确保机器学习算法及其相关技术在计算机视觉处理中的应用效果，研究者与技术人员需要对其主要的应用策略展开深入研究。主要分析了计算机视觉处理中的机器学习技术应用，包括机器学习在艺术风格迁移、图像内容定义、图像内容重构及图像风格定义等计算机视觉处理中的应用策略。     

数据挖掘与机器学习——经典图书介绍

对于“数据挖掘”,有多种文字不同但含义接近的定义,简单来说,可以归纳为“试图从海量数据中找出有用的知识”。在学术界,有时也将“数据挖掘（DM）”称为“数据库中的知识发现（KDD）”。而“机器学习”是人工智能的核心研究领域之一,目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”。     

支撑机器学习的数据管理技术综述

应用驱动创新,数据库技术就是在支持主流应用的提质降本增效中发展起来的.从OLTP、OLAP到今天的在线机器学习建模无不如此.机器学习是当前人工智能技术落地的主要途径,通过对数据进行建模而提取知识、实现预测分析.从数据管理的视角对机器学习训练过程进行解构和建模,从数据选择、数据存储、数据存取、自动优化和系统实现等方面,综...     

基于机器学习的设备预测性维护方法综述

机器学习算法能够处理高维和多变量数据,并在复杂和动态环境中提取数据中的隐藏关系,在预测性维护技术中具有很好的应用前景。然而,预测性维护系统的性能取决于机器学习算法的选择,对目前应用与预测性维护中的机器学习算法进行综述,详细比较了几种机器学习算法的优缺点,并对机器学习在预测性维护研究中的应用进行了展望。     

机器学习与网络信息处理

机器学习在网络信息处理中占有重要地位。GHunt是一个采用多项机器学习技术的网络信息智能获取与处理系统。首先,这一系统支持分布式的网络信息并行搜索与内容过滤;其次,采用机器学习技术,包括文本分类、聚类,文本概念抽取,从概念层次理解文本信息;再次,基于概念语义空间有效地统一文本信息管理;最后提供高效的基于概念语义的文本信息检索,以及个性化的专题组织与信息推送服务。文中着重阐述了系统中所用到的机器学习技术。     

气象专家系统与机器学习

本文探讨了气象预报专家系统的知识表示、推理机制以及机器学习在气象专家系统中的重要性。同时,指出了著名的推理学习中正向链推理函数设计中存在的错误。最后,扼要介绍了我们使用LISP语言开发的基于类比学习和归纳学习的气象预报系统MWFLS模型。     

改进的基因遗传算法在专家系统机器学习中的应用

本文介绍了基因遗传算法的基本原理，给出了基因遗传算法在机器学习问题求解启发式知识中的适合度函数选取及基因编码方法，并阐述了改进的基因遗传算法在机器学习中的应用     

《机器学习与数据挖掘》专辑前言

机器学习和数据挖掘是计算机科学和人工智能中非常重要的一个研究领域,也是一些交 叉学科的重要支撑技术.在过去的数十年中,各种信息系统以及互联网产生的大量数据已经将 我们淹没在信息的汪洋大海中.存储数据的爆炸性增长激起对新技术和自动工具的需求,以便 帮助我们将海量数据转换成信息和知识.机器学习与数据挖掘作为一种有前途的工具和方法 引起了产业界和学术界的极大关注,并形成计算机科学与技术的一个热点研究领域.《计算机 学报》特别推出机器学习与数据挖掘专辑,反映机器学习与数据挖掘领域的热点问题和现状, 展现数据挖掘的重大应…     

智能控制系统中机器学习的研究

本文总结了制造领域中机器学习方法的研究现状,针对智能控制系统所面临的外界环境动态变化和内部技术演化,提出一个多Ａｇｅｎｔ协同实现、多种学习机制集成的学习模型框架;最后,分析并展望了智能制造系统中机器学习研究的发展方向。