解释学习的效用问题 |
| |
引用本文: | 黄通,何志均.解释学习的效用问题[J].计算机科学,1992,19(2):64-68. |
| |
作者姓名: | 黄通 何志均 |
| |
作者单位: | 浙江大学人工智能研究所 杭州310027 |
| |
摘 要: | 近年来,在机器学习领域,基于解释的学习引起了广泛的兴趣。解释学习是一种演绎学习方法,根据领域理论对训练实例进行解释,经过推广后获得新的知识。从可操作性的角度看,解释学习并没有学到真正新的知识,只是一种知识转换,它把原先不可操作的概念描述转换为可操作的目标概念描述,而使系统的性能得以提高。但原来的可操作性定义并没有考虑到解释学习的效用(utility)问题,人们发现这样的解释学习并不总能提高系统的性能,而是在大多数情况下会使系统的行为比未经学习时更差,这使得效用问题与不完善理论问题一样成为解
|
关 键 词: | 解释学习 机器学习 人工智能 |
本文献已被 CNKI 维普 等数据库收录! |
|
点击此处可从《计算机科学》下载全文 |
|