Машинно самообучение
от Уикипедия, свободната енциклопедия
Машинното самообучение (на англ. Machine Learning) е направление в изкуствения интелект, което се занимава с алгоритми и методи за автоматичното научаване на системи от правила, признаци и характеристики, чрез които една компютърна програма може да взима адекватни решения.
Всеки процес на обучение се базира на множество от данни (training set), от които програмата се обучава. При това има два типа обучение - със специално обучаващи примери, където е указано какво решение да се вземе за всеки пример (англ. Supervised Machine Learning) или без изричното задаване на решенията при обучаващите примери (англ. Unsupervised Machine Learning). Безспорно вторият тип обучение е по-труден, но изисква по-малко човешка намеса.
Съвременната наука за изкуствен интелект използва различни парадигми за машинно самообучение: изкуствени невронни мрежи, дървета на решенията, машини с поддържащи вектори (англ. Support Vector Machines), генетични алгоритми, еволюционни стратегии, научаване на системи от правила, оптимизационни методи, и др.
Машинно самообучение се използва широко при разпознаването на образи, разпознаването на реч и корпусната лингвистика (за машинен превод, автоматичното конструиране на семантични мрежи и т.н.)
В съвременната наука на машинното самообучение се отдава голямо значение.
