分享到:

机器学习

研究机器学习的发展及目前其主要的研究方向 :阐述机器  (本文共4页) 阅读全文>>

大连理工大学
大连理工大学

机器学习的哲学探索

机器学习的哲学探索是指研究机器学习中的一系列基本问题,包括对机器学习的基本看法、归纳的哲学问题、概然性的清晰表述、可学习性问题、知识发现等等。本论文主要是通过分析机器学习的研究前沿及其两大核心领域就这些问题展开讨论。机器学习的研究前沿和演化路径对于形成关于机器学习的基本看法起了关键性的作用。本文选择《机器学习》(Machine Learning)和《机器学习研究》(Journal of Machine Learning Research)期刊作为样本,运用CitepSpaceⅡ软件绘制出的知识图谱显示出:机器学习研究的前沿领域可以概括为“增强学习”、“分类技术”、“基于模型的聚类算法”、“泛化错误分析”、“数据挖掘”等有内在联系的九个知识群。对知识图谱的解读,进一步揭示出机器学习研究的前沿演化路径:增强学习是在人工智能中的行为主义研究范式基础上发展起来的一个相对独立的研究区域;数据挖掘是以“分类技术“为核心向“计算学习理论”和“...  (本文共112页) 本文目录 | 阅读全文>>

东北财经大学
东北财经大学

机器学习的哲学思考

机器学习是人工智能的核心研究领域,这是对人类学习过程的模拟。机器学习可以利用自身算法发现知识,并提升系统处理问题的能力。由于在研究机器学习的时候经常会涉及到认知、心灵、意识等哲学方面的内容,因而研究机器学习就必须在更深层次的领域内进行思考,也就是进入到哲学的范畴内。通过研究国内外学者关于机器学习的相关文献和著作,阐述了机器学习带来的关于哲学上的思考。国内的学者们关于机器学习的研究已经处于世界领先地位,但关于机器学习哲学甚至计算机哲学方面的社科类研究少之又少,但国内有许多学者致力于认知科学、数据科学方面的研究,也与机器学习有着千丝万缕的联系。国外的研究更加超前一点,从古至今已经形成了一套完整的哲学研究体系,值得我们学习与借鉴。机器学习发展到现在,已经形成了五大学派,这五大学派代表的方向有所不同,但是目标都是一致的,就是为了帮助人类更好的认识世界、改造世界。本文从认识论、方法论、社会动能论三个层面阐述了机器学习发展所引发的关于哲学上...  (本文共43页) 本文目录 | 阅读全文>>

《计算机学报》2018年09期
计算机学报

机器学习在网络空间安全研究中的应用

随着云计算、物联网、大数据等新兴技术的迅猛发展,数以亿计的网络接入点、联网设备以及网络应用产生的海量数据,给网络空间安全带来了巨大的困难和挑战,传统的安全问题解决方案面对海量数据变得效率低下.机器学习以其强大的自适应性、自学习能力为安全领域提供了一系列有效的分析决策工具,近年来引起了学术界与工业界的广泛关注和深入研究.为此,该...  (本文共33页) 阅读全文>>

南京大学
南京大学

面向环境不确定性的CPS测试技术研究

随着软件技术、嵌入式技术和网络技术的发展,软件所处的信息空间与人们日常工作生活所处的物理空间日渐融合。能够为用户提供更加方便、高效、快捷的计算服务的信息物理融合系统正在改变人们和软件系统的交互方式。软件作为信息物理融合系统重要的组成部分,其质量不仅影响着信息物理融合系统本身能否提供优质的计算服务,还关乎信息物理融合系统使用者的生命和财产安全(如特斯拉撞车事件、优步撞行人事件等)。软件测试作为一种重要的软件质量保障手段,被广泛使用于各类软件的质量保障中。然而信息物理融合系统软件面临的环境不确定性,为信息物理融合系统软件的测试提出了新的挑战。由于人类对于信息物理融合系统软件所处的物理环境的认知的有限性,环境不确定性在信息物理融合系统软件中是固有存在的。本文认为,环境不确定性对信息物理融合系统软件的测试有如下两大挑战:●其一,环境不确定性使得信息物理融合系统软件无法准确感知其所处的运行环境。感知的不确定性不仅使得现有软件测试方法难以快...  (本文共140页) 本文目录 | 阅读全文>>

南京大学
南京大学

一阶逻辑领域知识与机器学习的结合研究

在许多现实的机器学习任务中往往存在着大量的领域知识,且这些知识可以通过一阶逻辑语言表达。本文分别研究了如何使用此类领域知识辅助机器学习,如何利用机器学习进行领域知识精化,以及如何将领域知识与机器学习进行互促结合。针这三个问题,本文提出了四种机器学习方法与框架。具体来说,本文的主要工作如下:1.提出一种领域知识增广样本的机器学习方法。常规的机器学习方法难以对领域中对象间的关系信息进行利用,一阶逻辑语言可以方便地将这种信息表达为领域知识。本文提出的SUL学习方法能够将此类领域知识转化为训练样本来提升机器学习性能。简单来说,它能够将领域知识增广为机器学习可直接利用的样本特征。实验表明,相对于未引入领域知识的方法,SUL学习能够提升机器学习性能。2.提出一种领域知识辅助约束的机器学习方法。由于一阶逻辑表达的领域知识较为复杂,常规的机器学习方法难以使用它们来对机器学习的优化过程进行约束。本文提出的LASIN方法可以将领域知识转化为机器学习...  (本文共128页) 本文目录 | 阅读全文>>