机器学习的主要策略综述

被引：58

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

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：

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

收藏

页码：4 / 10+13 +13

页数：8

相关论文

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)
[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)
[3] 分布式多Agent系统的研究[J].黄敏,佟振声. 电力情报.2002(01)
[4] 神经网络集成[J].周志华,陈世福. 计算机学报.2002(01)
[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)
[6] 支持向量机的理论基础——统计学习理论[J].王国胜,钟义信. 计算机工程与应用.2001(19)
[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)
[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)
[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)
[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)