[归纳学习算法理论应用]·洪家荣·科学社版

【归纳学习算法理论应用】洪家荣科学.pdf归纳学习 算法理论应用 洪家荣著 华出版社前言 机器学习(machinelearning)当前已成为人工智能的一个热门 学科。归纳学习(inductivelearning)旨在从大量的经验数据中归纳 抽取一般的判定规则和模式,它是机器学习最核心、最成熟的分支。归纳学习由于依赖于经验数据,因此又叫经验学习(empirical learning).由于归纳依赖于数据间的相似性,所以它也叫做基于相 似性的学习(similaritybasedlearning)。归纳学习根据有无导师指 导,又分为有导师学习(supervisedlearning)和无导师学习(unsu-pervisedlearming)。个训练多层网络的实际可行的方法,从而克服了PERCEPTRON 的大部分局限性。在学习的计算理论研究方面,1984年美国学 者Valiant提出基于概率近似正确性的学习理论,简称PAC学习,也叫计算学习理论(COLT),从而对布尔函数的一些特殊子类的 可学习性进行了探讨。近几年PAC学习研究在国际上掀起了一阵 热潮。然而,计算机界最常用的两类布尔表达式一一析取范式 DNF和合取范式CNF是否是PAC可学习的问题,却一直悬而未 决。在本书中,作者将证明DNF和CNF都是PAC不可学习的,从 而揭示出PAC学习的局限性。
———— 文字由OCR识别(未校验)，可能存在错字；请以原始完整版为准。