Osnova Adaptivní systém Učící se systém

Osnova

Adaptivní systém

Učící se systém

Adaptivní inteligentní systémy

Soft computing

Strojové učení (1/2)

Strojové učení (2/2)

Metody strojového učení

Adaptivita ve strojovém učení

Učení se konceptům

Dávkové učení

Inkrementální učení

Rozhodovací stromy

Rozhodovací stromy – základní algoritmus

Rozhodovací stromy – volba atributu

Rozhodovací stromy – inkrementální varianta (1/1)

Rozhodovací stromy – inkrementální varianta (1/2)

Rozhodovací pravidla

Rozhodovací pravidla – základní charakteristiky

Rozhodovací pravidla – základní algoritmus

Učení jako prohledávání

Rozhodovací pravidla – inkrementální varianta (1/2)

Rozhodovací pravidla – inkrementální varianta (2/2)

Učení založené na instancích – IBL (1/2)

Neuronové sítě - jeden neuron (1/2)

Neuronové sítě – jeden neuron (2/2)

Neuronové sítě - vícevrstvá síť

Backpropagation

Sítě s kaskádovou architekturou

Metoda SVM (1/2)

Metoda SVM (2/2)

Integrování znalostí na úrovni usuzování

Bagging

Boosting

Ada. Boost

Stacking

Integrování znalostí na úrovni reprezentace (1/2)

Integrování znalostí na úrovni reprezentace (2/2)

Integrace/Revize znalostí

Tvorba rozhodovacích pravidel algoritmem KEX

KEX dávková verze

Učení a zapomínání

Koncepty závislé na kontextu

Analogie a adaptace: Case. Based Reasoning

Závěr Pojem adaptivní inteligentní systémy bývá v současnosti úzce spojován s pojmem soft computing. V této oblasti reprezentují neuronové sítě a genetické algoritmy strojové učení v širším slova smyslu. Cílem tutorialu bylo ukázat, že i další (symbolické) metody učení se konceptům mohou vyhovovat různým aspektům definice adaptivity a vykazovat tedy rysy adaptivního chování.

Literatura (1/6)

Literatura (2/6)

Literatura (3/6)

Literatura (4/6)

Literatura (5/6)

Literatura (6/6)