Машинное обучение

Машинное обучение – ответвление искусственного интеллекта, занимающееся вопросами создания саморазвивающихся алгоритмов. Как отрасль науки связана с такими прорывными технологиями как математическая статистика, дискретная математика и методы оптимизации. По сути, машинное обучение представляет собой попытку автоматизации большинства решений.

Ученые выделяют два типа обучающих машин:

• «индуктивные» машины, то есть машины, ищущие эмпирические закономерности,
• «дедуктивные» машины, то есть машины, формализующие знания по полочкам — «базам данных».

Классификация машинного обучения

При создании технологии машинного оборудования ученые руководствовались двумя технологиями – нейросетью и математической статистикой. Ряд нейросетей (перцептронов) могут обучаться как с «учителем», так и без оного. Исходя из этого, все технологии машинного обучения подразделяются на четыре большие группы:

• обучение с учителем — создается определенная ситуация, требующая немедленного  решения; возможно несколько вариантов решения;

• обучение без учителя — создается ситуация, которая есть в памяти машины; 

• обучение с подкреплением — создается определенная ситуация, требующая немедленного  решения; после ее решения ситуация изменяется, иногда на прямо противоположную;

• активное обучение — создается определенная ситуация, требующая немедленного  решения; следующую за ней ситуацию моделирует машина.

Применение машинного обучения

Применение машинного обучения основано на замене человека машиной на рутинных и длительных действиях. Машина не знающая усталости и эмоций практически не совершает ошибок. к такого рода действиях относятся:

• биоинформатика, 
• категоризация документов, 
• медицинская диагностика, 
• прогнозирование временных рядов, 
• распознавание изображений, 
• распознавание речи и т.д. 

Добавить комментарий