机器学习

引入在前面的ANN中，机器可以自己通过学习来找到“机器认为”的答案。 但是在现实世界中也有一群专家，他们解决问题靠的是“已有知识”，他们先学习并储备了一些知识库，在遇到对应问题的时候就调用对应的知识库。 将这种解决问题的方式在计算机中进行描述和调用，就是所谓模糊系统（Fuzzy System）。 但是专家在判断是什么问题时，通常接受的是模糊的描述。例如这个人非常高，那么你大可能觉得这个人在一米八往上接近一米九。说这个天很热按你大可能觉得现在有30度往上。这些描述都是基于人类语言的模糊描述，指明的是大概率的一个区间。同样地，在解决问题上，专家也是靠着不精确的输入，去猜测套用什么方法解决的可能性最大，然后去尝试。 但是这样就出现问题了，计算机使用的是布尔逻辑，即非黑即白的逻辑，它可以以180为一个界限，认为180以上的人算作高，180以下的人算作矮，但是如果有一个人有179,它其实也是算高的，但是会被传统的布尔逻辑和160判到一桌上去。 模糊逻辑，模糊集和隶属度模糊系统就是为了来解决这个问题的，它提出了“模糊逻辑（fuzzy logic）”的概念，在模糊逻辑下，事情不是非黑即白，而是具有一 ...

d1639eecab8d1fa736759a9f8831105f177f612d1bf6ed75a742eca5b3ef9dbf37ac160ac4f88a80dad76ee5495b6e6649db01aae814257635aab9f24768b8f7be8baa6c72b815305a4332f6a870b8675091c3393f437e8981899a9570bc2b7e63508797ee57d401353e5b5dc5b1bb379fdd22d3b44178bc04531b359785ba82c4ab67d843798e4fb0aa8f1d7e211629b0c2e19dad89a5eee1c4bb3d2957388d6aeff0b822379a301c0ff98d0f96f0cbee4ec0540841c0532784f1c12b31d602ac110e863da57cc0cbced4743051163ca4548c69400e9312ad02f7ac961af31e797edd1daf9329bfdb13f5bef6080270e9036198828982835 ...

引入GA简介遗传算法（Geneic Algorithm, GA）是基于“物竞天择，适者生存”而提出的。它首先确定参数和优化目标，然后经历以下步骤来模拟这些参数的自然演化过程： 随机地生成一些答案，称之为种群（Populaition） 对他们进行评价 选择较好的，作为parents（父母） 使得父母重新组合（交叉） 使得他们的孩子产生一些变异，随机地选择一些参数替代原有 对他们产生的孩子进行评价 剔除掉太差的，重复步骤3-7 直到满足优化目标，“物竞天择，适者生存”的优化结束。 这整个步骤可以被简略概括为：选种-交叉-变异 基于GA的工作原理，以下方面都可以影响GA结果： Representation：对个体的表示，即，参数的选择（比如一个人，得有胳膊，有腿，有眼睛等等） Evaluation function (fitness function)：评价函数，用于“天择” Population: 种群 Parent Selection Machanism: 父母选择机制 Variation operators: 变异算子（包含交叉(crossover)和变异(mutation)） ...

d1639eecab8d1fa736759a9f8831105f177f612d1bf6ed75a742eca5b3ef9dbf6c4d47b9ed4ecffb9568482a0b5df3d073328748dfe7f4aec88e9d56c8de8544d0e41cf86fe5442d0af96c5b0ee98adb1432df1ee39f9a18b50e958b58ea502dba01ee068090beca294263bf42f29ef1fde2ef6be43000f0bd7c2d5b12834a1798f0bfb17587879676a19e1d3b2134b8e27babb93783adb81632545362ef6aac2a467abfea4c8fd076669585a6b1a5e422ef2befa2d22ff3a8d588723ef4e6609b4b9bb5119494924528d68018f3d9e3249c49340a95a0c941754988fdc0115fcee6d08f39f85753a0ffa6e9d8f40f757e39f3f9b00a29bf7 ...