Báo Cáo Tìm hiểu về Semi – Superviesd learning

MỤC LỤC

Chương I: GIỚI THIỆU VỀ MÁY HỌC 4

( Machine learning ) 4

I GIỚI THIỆU: 4

1.1 Định nghĩa ‘học’ 5

1.2. Khái niệm về học máy 6

1.3 Các tiếp cận học 7

1.4 Tương tác với con người 7

II. QUÁ TRÌNH HỌC MÁY 8

2.1 Quá trình trích tri thức từ dữ liệu 8

2.2 Phân loại học 8

2.3 Dữ liệu 8

2.4 Giao thức 8

2.5 Tiêu chuẩn thành công 8

2.6 Không gian biểu diễn 9

2.7 Bản chất của các thuộc tính 10

2.8 Tiền xử lý dữ liệu 10

2.10 Tập mẫu 11

2.11 Tìm kiếm trong không gian giải thuyết 11

III. CÁC LOẠI GIẢI THUẬT TRONG MÁY 11

3.1 Các loại giải thuật. 11

3.2 Các chủ đề về học máy 12

Chương II: HỌC NỬA GIÁM SÁT 14

(Semi-supervised learning ) 14

I. TỔNG QUAN 14

1.1 Giới thiệu về học có giám sát (supervised learning) và không có giám sát (unsupervised learning) 14

a. Học có giám sát: 14

b. Học không có giám sát: 17

1.2 Khái niệm về học nửa giám sát 18

II. MỘT SỐ GIẢI THUẬT TRONG HỌC NỬA GIẤM SÁT 19

2.1 Generative Models 19

2.1.1 Giới thiệu về “Generative Models” 19

2.1. Generative Models trong Semi - supervised learning 19

2.1.3 Ưu điểm và nhược điểm của giải thuật 22

2.1.5 Ứng dụng của mô hình 22

2.2 Semi – superviesd Suport vector machines 23

2.2.1 Giới thiệu về S3VM 23

2.2.2 Giải thuật S3MV 24

2.2.3 Kết luận về S3VM 25

2.3 Self-training 26

CHƯƠNG III. SELF – TRAINING VÀ BÀI TOÁN NHẬN DẠNG KÝ TỤ TRÊN ẢNH 27

I. GIẢI THUẬT SELF – TRAINING 27

1.1 Giới thiệu về Self – training 27

1.2 Giải thuật 27

1.3 Đánh giá giải thuật 28

II. BÀI TOÁN NHẬN DẠNG KÝ TỰ TRÊN ẢNH 28

2.1 Phân tích bài toán 28

2.2 Hướng giải quyết bài toán. 28

I. KẾT QUẢ BAN ĐẦU ĐÃ ĐẠT ĐƯỢC 30

II. HƯỚNG PHÁT TRIỂN 30


I GIỚI THIỆU:


Khi được hỏi về những kỹ năng thông minh nào là cơ bản nhất đồng thời khó tự động hóa nhất của con người ngoài các hoạt động sáng tạo nghệ thuật, hành động ra quyết định mang Trãi qua nhiều năm, hai lĩnh vực này vẫn là mục tiêu, thách thức của khoa học TTNT.

Tầm quan trọng của việc học thì không cần phải tranh cãi, vì khả năng học chính là một trong những thành tố quan trọng của hành vi thông minh. Mặc dù tiếp cận hệ chuyên gia đã phát triển được nhiều năm, song số lượng các hệ chuyên vẫn còn hạn chế. Một trong những nguyên nhân chủ yếu là do quá trình tích lũy tri thức phức tạp, chi phí phát triển các hệ chuyên gia rất cao, nhưng chúng không có khả năng học, khả năng tự thích nghi khi môi trường thay đổi. Các chiến lược giải quyết vấn đề của chúng cứng nhắc và khi có nhu cầu thay đổi, thì việc sửa đổi một lượng lớn mã chương trình là rất khó khăn. Một giải pháp hiển nhiên là các chương trình tự học lấy cách giải quyết vấn đề từ kinh nghiệm, từ sự giống nhau, từ các ví dụ hay từ những ‘chỉ dẫn’, ‘lời khuyên’, .

Mặc dù học vẫn còn là một vấn đề khó, nhưng sự thành công của một số chương trình học máy thuyết phục rằng có thể tồn tại một tập hợp các nguyên tắc học tổng quát cho phép xây dựng nên các chương trình có khả năng học trong nhiều lĩnh vực thực tế.