机器学习的数学理论及其算法研究——评《机器学习的数学理论》

人工智能和统计学的发展衍生出了关于数据分析的机器学习.这门新兴学科是数据分析领域的研究人员重点探究的方向.有科学家将机器学习定义为,计算机通过储存的数据经验不断提高其自身性能的行为.机器学习是指计算机通过固有的规律性信息获得新的经验和知识,从而提升计算机的智能,达到像人类一样作出决策的目的.随着计算机科学的发展,机器学习的探究和应用取得了很大成就,研究机器学习的数学理论和算法对计算机的发展有重要作用.由史斌和艾扬格编著、机械工业出版社出版的《机器学习的数学理论》一书,详细介绍了机器学习的数学理论,讨论了机器学习的优化理论,为提高计算机研究人员对于机器的认知、实现机器的自动化具有重要指导价值.     

智能教学系统的自学习机制

本文主要介绍了智能教学系统中的机器自学习机制,研究如何提高智能教学系统的智能性和通用性等方面的问题。文章采用基于信息论的示例学习,改进了决策树学习算法,并建立了机器学习决策树。     

数据挖掘技术及其应用

数据挖掘是数据库研究中一个很有应用价值的课题,它融合了数据库、人工智能、机器学习等多个领域的理论和技术.本文介绍了数据挖掘的定义、功能、常用技术、数据挖掘过程,以及数据挖掘的应用.     

基于机器学习的自适应个性化数字图书馆模型研究

由于信息数量和种类增加,用户对数字图书馆期待更多的智能服务.本文提出通过引入机器学习技术来解决此问题,首先简要介绍了机器学习技术,说明了可适应个性化数字图书馆局限性,然后提出基于机器学习的自适应个性化数字图书馆模型,最后探讨了用户模型的自动创建.实践表明,此模型可满足用户对信息的需要,简化信息查找过程.     

统计学习理论与支持向量机

支持向量机(SVM)是在统计学习理论(SLT)的基础上发展起来的一种新的机器学习方法。它基于结构风险最小化原则,能有效地解决过学习问题,具有良好的推广性能和较好的分类精确性。本文首先介绍统计学习理论和支持向量机的概念,然后进一步论述了SVM在模式分类中的多方面的应用。     

机器学习方向研究生创新能力培养

机器学习作为研究生所研究的一个方向,由于其基础研究和应用基础研究的特点,要求研究生在机器学习算法及在相关的应用领域必须具有较强的创新能力。因此,本文结合机器学习方向研究生的创新要求,从理论基础学习、文献查阅、论文选题以及交流合作等不同方面探讨研究生的创新能力培养,为提高机器学习方向研究生的创新水平和培养质量进行有益尝试。     

基于实例学习在浅层句法分析中的应用

机器学习技术在自然语言处理中的应用是一个研究热点。简单介绍并分析、评价了机器学习的方法之一--基于实例学习。就其在自然语言处理关键环节之一--浅层句法分析方面进行实验研究并分析其结果。最后,讨论了基于实例学习在自然语言处理中的应用。     

机器学习背景下非现场审计模型的构建及应用

随着信息技术的发展,企业业务系统日益完善,积累了大量的企业数据资产,而机器学习等新兴技术的出现,为处理海量数据带来了可能性,也为非现场审计提供了技术基础。应用机器学习技术创建相应的非现场审计模型,能够有效地提高审计工作的效率,扩宽审计覆盖面,并为加强审计监督提供了新途径。本文介绍了应用朴素贝叶斯和K-means聚类两种机器学习算法构建的非现场审计模型的原理及实践经验。     

语义角色标注及其在科技情报分析中的应用研究

文章首先梳理了国内外对语义角色标注技术研究的相关文献,并综述了支持语义角色标注的主要语料资源,从句法分析、特征向量选择以及机器学习3个角度介绍了目前语义角色标注的主要方法,指出语义角色标注的未来发展趋势。最后,详细描述了基于语义角色标注的科技创新知识发现过程以及语义角色标注在科技情报分析研究中的应用价值,以期促进大数据时代科技情报语义分析研究。     

搜索引擎网页快照的实现与安全

文章介绍了搜索引擎网页快照系统的实现以及在安全性能方面的研究。当前的多数搜索引擎网站提供的网页快照,能够使用户更加快速和方便地访问较早时期的网页,但它们并没有对其中的网页安全进行判断。文章中的网页快照系统在实现网页快照的同时,通过建立网页脚本语言学习解释器,运用机器学习技术、词法分析技术等对网页上可能存在的不安全代码进行判断和去除,从而保证提供给用户的是尽量安全的网页快照。     

支持向量机研究现状

支持向量机（SVM）是机器学习领域一种非常重要的分类算法,它的出现是以统计学习理论为基础的。由于其良好的泛化能力,使得这种分类方法在很多领域都有应用。但是时间复杂度高的缺点一直是困扰这种优秀的分类器进一步发展的原因。文章对支持向量机的发展现状进行了分析和归纳总结,并对未来的发展方向做了有意义的探索。     

朴素贝叶斯在文本分类中的应用

朴素贝叶斯理论是一种典型机器学习技术,能够应用于文本分类中。运用朴素贝叶斯理论阐述了贝叶斯分类器的样本训练和分类计算的过程,构造了一个文本分类器。试验表明,朴素贝叶斯理论在文本分类中有较好的分类效果。     

云南稀贵金属材料基因工程数据库平台建设及发展研究

材料基因工程数据库很多,涉及稀贵金属的数据库很少。文章介绍了云南省稀贵金属材料基因工程数据库平台建设情况,涵盖稀贵金属参数库,及围绕贵金属、锡、铟、钛、液态金属等重点金属领域专用数据建设。总结数据挖掘和机器学习在稀贵金属材料数据库平台的应用,及材料基因工程应用示范。提出稀贵金属材料数据共享及智能管理等方面的进一步研究重点。     

支持向量机理论及应用

支持向量机(Support Vector Machine,SVM)是一种新型机器学习方法,是一种建立在统计学基础上的分类器。首先简述了统计学习理论的主要内容,然后介绍并分析了支持向量机的工作原理、经典算法以及基本思想,归纳了支持向量机在化工生产、人脸识别、石油期货价格预测、高光谱反演、水资源质量分类评价等方面的应用。     

基于机器学习的分类算法研究

如今社会发展进入信息化时代,各行各业的所使用或产生的数据规模呈几何级增长。如何对大量复杂数据进行有效分类,对推进服务质量、决策制定都有积极的意义。本文主要研究运用机器学习的方法对数据进行分类的算法,从机器学习算法引入,介绍主流的数据分类算法,并比较各类算法的优势与劣势。最后提出利用机器学习进行数据分类的方法以提升分类操作中的数据运算的速率以及分类结果的可信度,并提出对大数据进行机器学习的研究展望。     

支持向量机在分类问题中的应用研究

支持向量机是一种基于统计学习理论的机器学习方法,针对小样本情况表现出了优良的性能,目前被广泛应用于模式识别、函数回归、故障诊断等方面。这里主要研究支持向量机分类问题,着重讨论了以下几个方面的内容。首先介绍了支持向量机分类器算法,并将其应用于数据分类,取得了较高的准确率,所用数据来自于UCI数据集。仿真结果表明该算法具有较快的收敛速度和较高的计算精度。     

突破自动学习瓶颈 开启产业智能引擎

<正>自人工智能诞生以来,机器学习作为实现人工智能的途径,其主要宗旨是：通过研究使用计算机模拟或实现人类学习活动。经过几十年的创新发展,机器学习不仅在基于知识的系统中得到应用,而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域也得到了广泛应用,越来越受到产业界的高度重视。随着大数据智能时代到来,2017年国务院印发了《新一代人工智能发展规划》,明确将机器学习研究布局作为新一代人工智能前沿基础理论研究主题之一,新一轮智能产业变革的核心驱动力,重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新技术。在这一背景下,如何探索大数据机器学习理论,突破多模态庞大异构数据深度理解瓶颈,更高效地从杂乱无章数据中自动生成高价值知识,成为当前机器学习领域研究的前沿主题。     

人工智能

量子轨道杂化表征干酪根成熟度的机器学习研究中国科学院力学研究所非线性力学国家重点实验室赵亚溥研究团队通过机器学习方法提取13C NMR谱图中的轨道杂化和化学键信息,预测干酪根的热成熟度。相关成果发表于《燃料》（Fuel）。国产油气资源不足制约经济发展,威胁能源安全。提升页岩油气的开发利用率是力学学科的“卡脖子”问题。干酪根是油气的生成母质和主要赋存介质,热成熟度是评价油气生成潜力的重要指标之一,定量描述干酪根成熟度演化的理论模型是油气勘探及原位催熟的理论基础,也是指导油气增产的关键科学问题。文章提出了一种新的基于轨道杂化的干酪根成熟度指数（OrbHMI）,并与分子成熟度指数（MMI）和模型预测值进行比较。     

关于支持向量机的几点思想

介绍了机器学习的发展过程,介绍了支持向量机在结构风险最小化的思想,介绍了支持向量机算法思想,介绍了通过核函数从样本空间映射到高维空间,使得本来在样本空间中线形不可分的数据,在高维空间中变得线形可分,最后通过例子使得我们对支持向量机思想有更清晰的认识。     

基于词块教学理论的有意义英语词汇教学

文章介绍了词块教学理论和有意义学习理论及其科学依据,探讨了这两种理论对英语词汇教学的启示和教学策略上的应用。