21:22 Обучение без учителя | |
Навчання без вчителя (самонавчання, спонтанне навчання, англ. Unsupervised learning) - один із способів машинного навчання , при якому випробувана система спонтанно навчається виконувати поставлене завдання без втручання з боку експериментатора. З погляду кібернетики , це одна з видів кібернетичного експерименту . Як правило, це придатне тільки для завдань, в яких відомі описи безлічі об'єктів (навчальної вибірки), і потрібно виявити внутрішні взаємозв'язки, залежність, закономірність, що існує між об'єктами. Навчання без вчителя часто протиставляється навчання з учителем , коли кожного навчального об'єкта примусово задається «правильна відповідь», і потрібно знайти залежність між стимулами і реакціями системи. Незважаючи на численні прикладні здобутки, навчання з учителем критикувалося за свою біологічну неправдоподібність. Важко уявити навчальний механізм у мозку, який би порівнював бажані та дійсні значення виходів, виконуючи корекцію за допомогою зворотного зв'язку. Якщо допустити подібний механізм у мозку, то звідки виникають бажані виходи? Навчання без вчителя є більш правдоподібною моделлю навчання в біологічній системі. Розвинена Кохоненом та багатьма іншими, вона не потребує цільового вектора для виходів і, отже, не потребує порівняння з певними ідеальними відповідями. Для побудови теорії та відходу від кібернетичного експерименту у різних теоріях експеримент із навчанням без вчителя намагаються формалізувати математично. Існує багато різних підвидів постановки та визначення даної формалізації, одна з яких відображена в теорії розпізнавання образів . Такий відхід від експерименту та побудова теорії пов'язані з різною думкою фахівців у поглядах. Відмінності, зокрема, виникають під час відповіді питанням: «Чи можливі єдині принципи адекватного описи образів різної природи, чи таке опис щоразу є завдання спеціалістів конкретних знань?». У першому випадку постановка має бути орієнтована на виявлення загальних принципів використання апріорної інформації при складанні адекватного опису образів. Важливо, що тут апріорні відомості про образи різної природи різні, а принцип їхнього обліку один і той же. У другому випадку проблема отримання опису виноситься за межі загальної постановки, і теорія навчання машин розпізнавання образів з погляду статистичної теорії навчання розпізнавання образів може бути зведена до проблеми мінімізації середнього ризику в спеціальному класі вирішальних правил [2] . Теоретично розпізнавання образів розрізняють переважно три підходи до цієї проблеми [3] :
| |
|
Всього коментарів: 0 | |