术语 | 《人工智能术语》

学习

learning

一个生物学系统或自动系统获得知识或技能的过程，使它可用于改进其性能

           

自动学习

automatic learning

功能单元通过获取新知识或技能，或通过整理已有的知识或技能来改进其性能的过程

           

自学习

self-learning

从内部知识库或从新输入数据的学习，无需引入显式的外部知识

           

知识获取

knowledge acquisition

定位、汇集和精化知识并把知识转化成能由知识系统进一步处理的形式的过程

           

学习策略

learning strategy

学习技术的使用优先于其应用的一种规划

           

概念

concept    

为确定类别成员的抽象实体

           

概念学习

concept learning

应用已有的知识构建概念表示新信息，为了取得新知识并为后继的使用而存储它

           

概念聚类

conceptual clustering

借助于简单、描述的概念把客体、事件或事实安排在有特征的各类别内

           

分类（方案）形成

taxonomy formation

借助于聚类概念的析取类别的概念分类方案的构建

           

机器发现

machine discovery

由分类（方案）形成和由机器的学习能力观测到的数据中描述规律性的经验律的发现

           

认知科学

cognitive science

认知科学处理认知的符号处理性质，并包括如心理学、计算机科学、语言学、人类学、哲学、教育、数学、工程、生理 学和神经科学等不相同的学科    

           

认知机制

cognitivism

各学科间的知识领域，它的陈述目标是发现智力的表示能力和计算能力以及在头脑中它们的结构 表示和功能表示

           

撤消学习

unlearning

为撤除学习而对存储在系统中的知识进行的调整

           

概念描述

concept description

描述某概念的全部已知实例类别的数据结构

           

（数据）分块

chunking

为存储和检索，在较高的概念级别处把数据分组到单个实体中

           

特征描述

characteristic description

一种概念描述，它叙述对某给定概念的全部实例共同的特性

               

意别描述

discriminant description

一种概念描述，它叙述了给定概念与考虑中其他概念不同的特性

           

结构描述

structural description

一种客体和概念的表示，这基于它们各部分的描述，并基于它们间的关系

           

概念形成

concept formation

用于表示客体、事件或事实的给定集合的特征的概念的生成

           

部分学到的概念

partially learned concept

一种概念,其精确描述不能在可用数据、知识或假设的基础上推断出来

           

变型空间

version space

与可用数据、知识或假设一致的全部概念描述的集合

           

实例空间

example space ；instance space    

要学习的某概念的全部可能的实例和相反实例的集合

           

描述空间

description space

来自对学习者可用的描述语言中的实例空间能描述的全部实例的集合

           

概念泛化

concept generalization

概念描述范围的延伸以包含更多实例

           

一致泛化

consistent generalization

一种概念泛化，它包括概念类别的某个或全部正例，排除该类别的全部反例

           

基于约束的泛化

constraint-based generalization

一种概念泛化，它满足用于解释给定事实或事件在概念上的约束

           

基于相似性的泛化

similarity-based generalization

一种概念泛化，它由在这些实例间探测相似性和差异性描述给定概念的全部实例

               

完全泛化

complete generalization

一种概念泛化，它描述某给定概念类别的全部正例，而不管它是否包括某些负例

           

概念特化

concept specialization

由减少所描述的实例的集合而使概念描述的范围变窄

           

含混矩阵

confusion matrix

一种矩阵，它按一组规则记录试探性实例的正确分类和不正确分类的个数

           

概念确认

concept validation

测试学到的概念的归纳法，由应用它们的描述试探性实例并由计算含混矩阵来实现

           

因果分析

causal analysis

在学习策略中，由追踪观察到的事件（诸如为达到某目的产生的故障）可能起因的分析

           

机械（式）学习

rote learning    

一种学习策略，其在于直接地积累新知识而无需对提供的信息实现任何推理

           

自适应学习

adaptive learning

一种学习策略，其在于按照来自外部知识源的建议来调整内部知识，或按照已有的知识来转换新获 得的信息

           

试探（式）学习

heuristic learning

一种从试验结果、评价结果或试凑法的结果研发的学习策略

           

示教（式）学习

learning from instruction

从外部知识源获取知识而无需从提供的信息选择或变换相关要素的机械（式）学习

           

采纳建议法

advice taking

按照来自外部知识源声明的建议对过程行为加以修改的讲授（式）学习

           

增量（式）学习

incremental learning

一个阶段学习的知识被转换以适应后续阶段提供的新知识的多阶段的自适应学习    

           

监督（式）学习

supervised learning

获得的知识的正确性通过来自外部知识源的反馈加以测试的学习策略

           

无监督学习

unsupervised learning

一种学习策略，它在于观察并分析不同的实体以及确定某些子集能分组到一定的类别里，而无需在 获得的知识上通过来自外部知识源的反馈，以实现任何正确性测试

           

发现（式）学习

learning by discovery

一种无监督学习，它在分类学形成或由在观察的数据中描述规律的域中导出新规则或法律

           

观察（式）学习

learning from observation

一种无监督学习，它在分类学形成或由在观察的数据中描述规律的域中导出新规则或法律

           

归纳（式）学习

example-based learning ；instance-based learning

一种概念的归纳（式）学习，由从实例及可选地从该概念的反例中推断出综合的概念描述的这种概 念的归纳（式）学习    

           

正实例

positive instance

适合要学习的概念并可能产生该概念的泛化的实例

           

反实例

negative instance

要学习的概念的相反实例，它可限制概念描述的范围

           

似真反例

near-miss

一种学习策略，它把手边的问题和一组先前解决了的问题进行比较并使用解决了的解答来开发手 边问题的解答

           

演绎（式）学习

learning by deduction

在学习策略中，借助于断言的保留真值变换从已有的知识演绎新的知识

           

分析学习

analytic learning

演绎学习的高级形式，其中从运算知识和领域知识得到抽象知识或结构化知识

               

基于解释的学习

explanation-based learning

演绎学习的高级形式，其中从运算知识和领域知识得到抽象知识或结构化知识

           

操作化

operationalization

从声明形式转换为过程性形式，即转换为操作形式的知识编译

           

联想学习

associative learning

一种学习策略，它结合了归纳（式）学习和演绎学习，以便归纳确定正进行比较或联想的各概念的公 共特征，然后，演绎推出学到的概念所期待的性质

           

类比学习

learning by analogy

类比学习需要辨认两个问题间的相似性的能力，并为了解决另一问题区中的问题而使用在一个问题区中研发的 规则

           

责任认定

credit/blame assignment

对达到某目标的成功或失败的决策责任或操作员责任的辨识

               

强化学习

reinforcement learning

由责任认定改进的学习

           

求解路径学习

learning from solution paths

一种强化学习，它依赖于对问题一直等待至找到完全解决路径时为止，标记沿着解决路径的每次移 动作为正例，并标记导致直接远离解决路径的每次移动作为反例

           

学徒（式）策略

learning-apprentice strategy

一种责任认定，它围绕对专家的观察，并使用他（她）的动作来区别出不合意的动议和合意的动议， 如此以避免过多的搜索，并提供及时的反馈

           

边做边学

learning while doing

一种强化学习，在认定过失前它不依赖于等待找出解决路径，但当仍在探索解决方案时，认定责任

           

遗传学习

genetic learning

基于迭代分类算法的机器学习，它按照强度选择分类算子对，并把遗传操作应用到创立子孙后代的 对上，用其中最强的分类算子替换最弱的分类算子，为了当可用的规则证明不妥当时，去产生新的、似乎 合理的规则    

           

本文中术语来自《信息技术人工智能-机器学习术语 GB/T 5271.31—2006》