Машинне навчання. Методи машинного навчання

МАШИННЕ НАВЧАННЯ

Самонавчальна система – це така інтелектуальна система, що має засоби узагальнення знань і доповнення бази знань.

Навчання – якість адаптивної системи, яка здатна удосконалювати свою поведінку (уміння справлятися з проблемами), накопичуючи досвід, наприклад досвід розв’язання аналогічних задач. Таким чином навчання – це одночасно і здатність, і дія. Будь-яка програма навчання повинна забезпечувати можливість зберігання і аналізувати отриманий досвід вирішення проблем, а також мати здатність застосовувати одержані висновки.

Навчанням називають процес вироблення в певній системі певної реакції на групи зовнішніх ідентичних сигналів шляхом багаторазового впливу на систему зовнішнього корегування. Таке корегування в навчанні називають «заохоченням» і «покаранням». Його механізм практично повністю визначає алгоритм навчання. Самонавчання відрізняється від навчання тим, що тут додаткова інформація про правильність реакції системи не повідомляється.

Навчання без учителя на описовому рівні можна сформувати в такий спосіб: системі одночасно чи послідовно пред’являються об’єкти без вказівок пор їхню приналежність до образів. Вхідний пристрій системи відображає множину об’єктів на множину зображень і, використовуючи певну закладену в нього заздалегідь властивість розподілу образів, робить самостійну класифікацію цих об’єктів. Після такого процесу самонавчання система повинна одержати здатність до розпізнавання не тільки вже знайомих об’єктів (об’єктів з навчальної послідовності), але й тих, котрі раніше не зустрічалась, а також здатність до вироблення однакових реакцій на зображення об’єктів того самого образу і різних реакцій на зображення різних образів. Роль учителя при цьому зводиться лише підказки системі певної об’єктивної властивості, яка є однаковою для всіх образів і визначає здатність до поділу множини об’єктів на образи.

Якщо невизначеність стану навколишнього світу (ентропію) взяти за U, а знання про світ, що на даний момент має система, у вигляді кількості інформації (негентропію) за J, то можна стверджувати, що поінформованість системи дорівнює , а також ввести спеціальний коефіцієнт знання про світ:

.

Коли поінформованість максимальна, то U = J і K = 0. Коли про світ нічого не відомо, J = 0 і K = 1.

МЕТОДИ МАШИННОГО НАВЧАННЯ

У формуванні знань на основі машинного навчання запропоновано три варіанти добування знань, що дозволяють обійтися без роботи «вручну» об’єднаними зусиллями людини-експерта й інженера знань.

1. Використання інтерактивних програм, що видобували б знання безпосередньо в людини-експерта в процесі діалогу за терміналом. Цей варіант діє успішно тоді, коли діалогова система має деякий запас базових знань про певну предметну галузь.
2. Використання програм, здатних навчатися, читаючи тексти, аналогічно тому, як навчається людина в процесі читання технічної літератури. Цей варіант вимагає наявності в системи блоку машинного розпізнавання змісту природної мови людини.
3. Створення програм, що здатні навчатися під керівництвом людини-вчителя. (Вчитель пред’являє програмі приклади реалізації деякого концепту, а програма знаходить і добуває з цих прикладів набір атрибутів і значень, що визначають концепт)

Класифікація програм машинного навчання проводиться на основі аналізу стратегій, що в них використовуються. На одному кінці спектра знаходяться програми, що навчаються, безпосередньо сприймаючи нові знання, і не виконують при цьому ніякого логічного аналізу. Таку методику називають зубрінням, а програми – зубрилами. На іншому кінці спектра програм, знаходяться ті, в яких реалізована здатність навчання без вчителя. Під чим мається на увазі здатність формулювати теореми, що має очевидну аналогію зі способом мислення людини, яка робить наукове відкриття на основі емпіричних фактів. Методики, що лежать всередині, одержали назву супервізорного навчання. Програмам, що використовують таку методику, демонструється ряд прикладів. Програма аналізує набір властивостей цих прикладів та ідентифікує придатні концепти. Властивості прикладів відомі і представлені парами «атрибут-значення». Для навчання треба підібрати репрезентативні приклади, тобто сформувати простір атрибутів, над якими міркуватиме програма. Найбільш загальна форма задач, розв’язуваних в такій системі навчання, одержала найменування індукції. Таким чином, індуктивна програма навчання – це програма, здатна до навчання на основі узагальнення властивостей пропонованих їй прикладів.

Додатковими задачами при машинному навчанні є задачі оптимального добування множини правил із пропонованих прикладів, аналізу важливості окремих правил, оптимізації продуктивності набору правил.