非监督式学习
来自中文百科,文化平台
非监督式学习(英语:unsupervised learning),又称无监督学习,是机器学习的一种方法,没有给定事先标记过的训练范例,自动对输入的资料进行分类或分群。无监督学习的主要运用包含:聚类分析(cluster analysis)、关联规则(association rule)、维度缩减(dimensionality reduce)。它是监督式学习和强化学习等策略之外的一种选择。
一个常见的无监督学习是数据聚类。在人工神经网络中,生成对抗网络(GAN)、自组织映射(SOM)和适应性共振理论(ART)则是最常用的非监督式学习。
ART模型允许丛集的个数可随着问题的大小而变动,并让使用者控制成员和同一个丛集之间的相似度分数,其方式为通过一个由使用者自定而被称为警觉参数的常数。ART也用于模式识别,如自动目标辨识和数码信号处理。第一个版本为"ART1",是由卡本特和葛罗斯柏格所发展的。
方法
非监督式学习常使用的方法有很多种,包括:
参见
- 人工生命
- 人工智能哲学
- 认知神经科学
- 电脑围棋
- 恐怖谷理论
- 电子世界争霸战
- 电脑科学
- 认知科学
- 意识
- 语义学
- 技术奇异点
- 集体智慧
- 控制论
- 心理学
- 生物化学计算机(例:人脑)
- 国际人工智能联合会议
- 网络本体语言(OWL)
- 游戏树