机器学习的主要策略综述

被引：60

作者：

闫友彪

陈元琰

机构：

[1] 广西师范大学数学与计算机学院,广西师范大学数学与计算机学院广西桂林,广西桂林

来源：

计算机应用研究 | 2004年 / 07期

关键词：

机器学习; 学习策略; 支持向量机; 强化学习; 遗传算法;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

当前人工智能研究的主要障碍和发展方向之一就是机器学习。机器学习与计算机科学、心理学、认知科学等各种学科都有着密切的联系 ,牵涉的面比较广 ,许多理论及技术上的问题尚处于研究之中。对机器学习的一些主要策略的基本思想进行了较全面的介绍 ,同时介绍了一些最新的进展和研究热点

引用

页码：4 / 10+13 +13

页数：8

共 18 条

[1] 基于神经网络的强化学习算法研究 [J].

陆鑫 ;

高阳 ;

李宁 ;

陈世福 .

计算机研究与发展, 2002, (08) :981-985

[2] 基于BDI框架的多Agent动态协作模型与应用研究 [J].

刘新宇 ;

洪炳鎔 .

计算机研究与发展, 2002, (07) :797-801

[3] 分布式多Agent系统的研究 [J].

黄敏 ;

佟振声 .

电力情报, 2002, (01) :65-68+70

[4] 神经网络集成 [J].

周志华 ;

陈世福 .

计算机学报, 2002, (01) :1-8

[5] 支持向量机的若干新进展 [J].

王国胜 ;

钟义信 .

电子学报, 2001, (10) :1397-1400

[6] 支持向量机的理论基础——统计学习理论 [J].

王国胜 ;

钟义信 ;

不详 .

计算机工程与应用 , 2001, (19) :19-20+31

[7] 基于认知模拟的自适应机器学习算法研究 [J].

王继成 .

软件学报, 2001, (08) :1205-1211

[8] 多Agent系统的现状与进展 [J].

董红斌 ;

孙羽 .

计算机应用研究, 2001, (01) :54-56

[9] 支持向量机研究 [J].

崔伟东 ;

周志华 ;

李星 .

计算机工程与应用, 2001, (01) :58-61

[10] 强化学习理论、算法及应用 [J].

张汝波 ;

顾国昌 ;

刘照德 ;

王醒策 .

控制理论与应用, 2000, (05) :637-642

← 1 2 →