报告题目: 基于认知的机器学习公理化
摘要:在大数据时代,因应用需求的驱动,大量新机器学习方法不断产生。 这些新算法理论依据各异,彼此之间的关系极其复杂,对学习算法的使用者要求极高。但是, 儿童的学习能力虽高, 却不能掌握现今机器学习的理论。 是否能够提出一套符合人类认知的机器学习理论,是当前一个亟待解决的问题。
本次报告试图提出一个统一基于认知的机器学习公理化框架, 其基本假设是: 归哪类,像哪类;像哪类,归哪类。
该机器学习理论可以推演出归类方法的三条设计原则, 以统一的方式重新解释了数据降维、密度估计、回归,聚类和分类等问题,而且与日常生活中的认知原则一致。
于剑,现任北京交通大学人工智能研究院常务副院长,二级教授,交通数据分析与挖掘北京市重点实验室主任,CCF会士,CCF人工智能与模式识别专业委员会候任主任(2020-2023),CAAI理事,CAAI机器学习专业委员会副主任。著有学术专著《机器学习:从公理到算法》,担任CAAI组织编写的教材《人工智能导论》执行主编。
标签:机器,CAAI,哪类,认知,学习,公理化,题目 来源: https://www.cnblogs.com/wangprince2017/p/11716574.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。