一种新的决策树归纳学习算法

本文就示例学习的重要分枝—决策树归纳学习进行了分析与探讨，从示例学习最优化的角度分析了决策树归纳学习的优化原则，指出了以往的以ＩＤ３为代表的归纳学习算法所固有的缺陷，并提出了一种新的基于概率的决策树归纳学习算法ＰＩＤ．ＰＩＤ在扩展属性的选择上仍采用基于信息增益率的方法，但在树的扩展过程中，采用属性聚类的方法进行树的分枝合并．ＰＩＤ得到的决策树在树的规模和分类精度上都优于ＩＤ３．

三角剖分的模拟退火算洁

本文提出一个基于模拟退火的三角剖分算法ＳＴ．理论分析和运行结果表明ＳＴ的费用比已有三角剖分算法的费用都小，在统计上是最优三角剖分费用的常数倍．

示例学习的扩张矩阵理论

本文提出示例学习的一种计算理论,扩张矩阵论.根据这个理论,示例学习中一些主要最优化问题被证明是NP难题,并给出这些难题的近似解法及下界的估计.

示例式学习及多功能学习系统AE5

近几年来,机器学习已经成为人工智能与认识心理学研究的焦点,在各种学习方法中,示例式学习被看作是基础和自动建立基于知识的系统的关键,本文先概述示例式学习的一般概念和理论,然后重点介绍一个有效的多功能学习系统AE5,AE5是已存在的学习系统AE1的一个扩充,它具有构造性学习、渐近式学习与测试等多种功能,AE5还可以用做一个自动知识获取系统。

NGEST——新一代专家系统工具的一个原型

1.引言 专家系统自从六十年代中期问世以来,已经取得了令人瞩目的成果。当今专家系统已经深入到各种应用领域,形成遍地开花的局面,遗憾的是,同人类专家相比,现有专家系统只能达到一般水平,现有专家系统的缺欠迫使人们研制第二代专家系统。

Neocognitron学习算法分析

现有的对Ｎｅｏｃｏｇｎｉｔｒｏｎ的分析都采用代数法，因而无法研究它的动态特性．本文把Ｎｅｏｃｏｇｎｉｔｒｏｎ及其学习算法推广到连续时域，借助微分方程来研究Ｎｅｏｃｏｇｎｉｔｒｏｎ．文中给出了无教师学习算法一般情况下，学习过程中Ｕｓ层神经元输出变化规律的微分方程，指出其增加的条件，并推出权ａ、ｂ初始值选择的一个必要条件；进一步得出无教师算法代表稳定后和有教师学习情况下Ｕｓ变化的一种等效显式函数，指出此时学习过程是Ｕｓ层神经元输出向一个系数的逼近过程，且有教师学习过程的最后状态与可变权初值和学习率无关．并讨论了影响Ｕｓ终值和逼近速度的因素．

机器学习——回顾与展望

如所周知,机器学习(ML)已成为人工智能的热门学科。近年 ML 有了许多新的发展,如联接学习(人工神经网络)、分析学习、遗传算法等。本文对 ML 的历史和现状做一综述,并展望其未来发展。特别介绍了神经网络、人工智能及 ML 方法的彼此关系、局限性和应用领域。对各种 ML 方法给以客观的的评价,供国内同行参考。

认识论应当成为人工智能的主要基础——兼评当前国际上关于人工智能基础之论争

一、引言自从一九六五年人工智能(AI)问世以来,它经历了一条坎坷曲折的发展道路。其间专家系统(ES)的出现,曾使 AI 获得蓬勃的生机,并在八十年代初达到了一个高潮。但好景不长,专家系统因其固有的缺欠已停滞不前,人工智能也随之转入低潮。在这种情况下,近年来国际人工智能界的一些仁人志士不得不对 AI 的基本问题进行反思,这导致了关于 AI 基础问题的一场论争。各派各持已见,排斥异己,争论不休。国际著名刊物《Artificial Intelligence》一九九一年出专辑记录了这场争论的一个侧面。其中有代表性的学派有:N.J.Nilsson 和 J.

知识进化和高级思维过程的逻辑基础

一、引言人类在智能上同动物的主要区别是他们具有高级思维过程,即包括创造性思维、灵感或顿悟、和直觉等。然而,迄今为止的人工智能研究恰恰在模拟人类高级思维过程方面表现出苍白无力。究其原因:(1)在方法学上人工智能建立在物理符号系统假说的基础之上。该假说把人类的大脑简化为一个机械的信息加工系统,并把人类的思维过程分解为最基本的六项操作:输入、输出、存储、复制、结构化、和条件转移。

SWT—一个基于示例学习的布尔函数极小化系统

本文介绍一个用示例学习方法极小化布尔函数的系统SWT。同现存的极小化方法相比,SWT算法简单,极小化程度高,并可适用于十五个以上输入变元的较复杂问题。SWT已在VAX11/780与SUN工作站上实现。运行结果表明,SWT比专用于大规模集成电路的工具系统EQNTOTT的极小化程度还要好。

知识发现的理论及其实现

本文提出知识发现的一种理论,该理论基于对人类知识发现认识过程的模拟,包括经验数据分类、各类数据的概念抽象、及概念间蕴涵关系的发现等步骤,文中介绍了实现这个理论的一个集成化学习系统KD_3,以及它在自动建立专家系统知识库等方面的应用。

思维模拟—人工智能的根本途径

一、引言人工智能一般被认为是研究如何使计算机去做需要人类智能的工作的一门科学。因此,人工智能旨在模拟人类行为和认知过程。计算机能不能思维,或计算机能不能代替人脑?这个问题一直是心理学和人工智能界中的乐观派同悲观派长期争论的焦点。乐观派的立论根据是纽厄尔和西蒙的物理符号系统假设,把人和计算机都看成信息加工系统,具有对符号信息的输入、输出、存储、

一个基于问题分解的布尔函数极小化方法

本文提出一种基于复杂问题分解的布尔函数极小化方法SWT_3。SWT_3主要由三个步骤组成:首先,用概念聚类系统LEOBS将所给布尔函数分解成一些子表达式,然后,用示例学习布尔函数极小化系统SWT将各子表达式化简;最后,将各化简的子表达式组合起来并用集合复盖算法SETCV进行全局简化。应用的一些结果表明,这种方法适合于具有20个以上输入变元的复杂布尔函数化简。

一个可进行概念匹配并具有经验学习能力的一般智能结构

在基于知识的系统中,如何建立知识库是建立知识系统的核心问题。本文讨论了深层知识系统以及目前专家系统开发过程中的若干问题。提出了为克服这些问题的两种方法——概念匹配和经验学习,并描述了一种适于概念匹配和经验学习的知识存储结构。

促进知识自动获取的商品化与产业化

一、引言当人工智能研究正处于徘徊不定的局面时,机器学习的研究仍方兴未艾,而基于机器学习方法的知识自动获取的研究正向纵深发展。然而,当前知识获取的研究基本上仍处于实验室阶段。究其原因,有的是由于方法本身固有的困难,例如类比学习中类比源的寻找依赖于灵感机制的解决。

最优特征子集选择问题

机器学习和模式识别面临的一个重要问题，就是特征子集的选择问题，即从一个大的已知特征集合，选择一个子集合来一致地描述已知例子（样本）．特别，最优特征子集选择问题，即最小的特征子集问题的计算复杂性至今还不清楚．在本文中，作者证明了最优特征子集问题是ＮＰ难题，并给出它的一个启发式算法．

遗传算法的收敛性研究

本文讨论了遗传算法的收敛性问题，提出了一个收敛的充分条件，证明了对任何问题，只要其问题空间编码和遗传操作的组合满足这个条件，就可以用遗传算法求解，由此得到了ＧＡ－难题的新定义，解释了现有模式理论所不能解释的最小欺骗问题，并讨论了它的可操作性．

基于Hopfield－Tank模型的神经网络的变参数方法

本文分析了Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型在收敛性，稳健性，优化率以及计算速度方面存在的问题，之后根据外部惩罚函数法的基本思想提出了一种新的方法基于Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型的神经网络的变参方法．本文还对ＴＳＰ的能量函数进行了改进，并对我国３１个城市的ＴＳＰ进行了软件模拟，得出了１５６４０公里的最短路径，在收敛性，稳健性，优化率以及计算速度方面的结果都十分满意．

示例学习的广义扩张矩阵算法及其实现

本文对扩张矩阵理论加以扩充，提出关于公式的扩张矩阵的概念，并据此实现一个广义扩张矩阵算法叫做ＡＥ９．本文还将ＡＥ９和ＡＱ（１５）应用于几个实际领域的学习问题，如睡眠状态的分类，手写数字识别等．结果都表明ＡＥ９比ＡＱ（１５）分类精度更高．