其他分享
首页 > 其他分享> > 报告题目: 基于认知的机器学习公理化

报告题目: 基于认知的机器学习公理化

作者:互联网

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