| AI. |
обучение представлениям (В классическом машинном обучении важные экспертные знания вводятся вручную, однако затем система обучается, организуя вывод данных на основании самостоятельно изученных признаков. При проектировании таких систем искусственного интеллекта большая часть времени тратится на выбор верного обучающего набора данных. Когда знания экспертов удается формализовать, то для получения выходных данных используется обычный классификатор. По сравнению с классическим машинным обучением обучение представлениям делает шаг вперед и исключает необходимость формализации знаний экспертов. Все важные закономерности система определяет самостоятельно на основании введенных данных (напр., в нейронных сетях) sas_proz); изучение представлений данных (широкая область машинного обучения; выявление признаков или параметров представления данных многослойная нейросетевая система определяет самостоятельно на основе нелинейной обработки входных данных Alex_Odeychuk) |
