هدف از یادگیری ماشین چیست

هدف از یادگیری ماشین چیست؟

مثال: برنامه ای بنویسید که نمره درسی دانشجو را گرفته و مشخص کند که آیا دانشجو درس را پاس کرده است یا خیر؟

در این برنامه با تعیین حد آستانه نمره و با استفاده از  یک دستور شرطی if ساده می توان برنامه را نوشت و به خروجی دست یافت:

if grade>=10

cout<<pass

else

cout<<failed

مثال:برنامه ای بنویسید که تعداد ساعات مطالعه و میزان تمرکز دانشجو را گرفته و بررسی کند که آیا دانشجو قبول می شود یا خیر؟

در اینجا چون پارامترها مشخص نیستند نمی توان مانند مثال قبل با یک حلقه if ساده خروجی را بدست آورد لذا باید با استفاده از مجموعه داده های برچسب دار قبلی، خود ماشین میزان پارامتر ها را حدس بزند، لذا اصلی ترین هدف یادگیری ماشین را پیدا کردن پارامترهای بهینه مدل شبکه عصبی می دانند. 

Marvin Lee Minsky

Marvin Lee Minsky

پدر هوش مصنوعی در سال 1927 در شهر نیویورک در یک خانواده یهودی بدنیا آمد، پدرش یک جراح چشم بود، او در ابتدا به مدرسه اخلاق مانهاتن و سپس به دبیرستان برونکس رفت و در نهایت در آکادمی فیلیپس مشغول به تحصیل شد، در دوران جوانی شیفته الکترونیک شد، به فاصله سالهای 1944 تا 1945 در نیروی دریایی ایالت متحده خدمت نمود ومدرک لیسانس ریاضیات را از دانشگاه هاروارد و سپس مدرک دکترای همان رشته را از دانشگاه پرینستون اخذ نمود، و از سال 1958 تا پایان عمرش در دانشگاه MIT مشغول بکار شد و آزمایشگاه هوش مصنوعی و دانشکده علوم کامپیوتر را در موسسه فناوری ماساچوست بنیان نهاد، از اختراعات او می توان به عینک سه بعدی گرافیکی و میکروسکوپ کانفوکال اشاره نمود.

شبکه های عصبی بازگشتی

به نوعی از شبکه های عصبی گویند که برای تصمیم گیری های زمان حال خود بایستی از لایه های قبلی(کوتاه مدت) استفاده نموده و سپس تصمیم بگیرند مثلا درجمله "امروز آفتابی است هوا" یک مدل زبانی ساخته شده است که تلاش می شود کلمه با توجه به کلمات پیشین استفاده شده پیش بینی شود بنابراین در جمله فوق الذکر با توجه به دو سه کلمه پیشین میتوان کلمه هوا را پیش بینی نمود، بنابراین طبق این ساختار یادگیری که بازگشتی نام دارد نیازی نیست برای درک جمله در خواندن یا نوشتن هر کلمه هر بار که بخواهد کلمه جدیدی به جمله اضافه شود مغز انسان ریست شود و یا به مرجعی رجوع شو ، مغز با استفاده از دو و یا سه کلمه پیشین استفاده شده کلمه بعدی را حدس می زند.که در شکل زیر یک نمونه از شبکه عصبی بازگشتی آورده شده است. 

پرسپترون

پرسپترون یک الگوریتم یادگیری ماشین است که در دسته یادگیری با نظارت قرار می‌گیرد. الگوریتم پرسپترون یک الگوریتم دسته‌بندی دودویی (نوعی از دسته‌بندی که می‌تواند با توجه به بردار ورودی تصمیم بگیرد که این ورودی متعلق به یک کلاس هست یا خیر) است. این الگوریتم یک دسته‌بند خطی است، به‌این معنا که پیش‌بینی‌هایش را باتوجه به ترکیب خطی وزن دار ورودی الگوریتم انجام می‌دهد. هم‌چنین این الگوریتم به دلیل اینکه ورودی‌هایش را به صورت تک تک در زمان بررسی می‌کند، یک الگوریتم برخط می‌باشد. الگوریتم پرسپترون در سال ۱۹۵۷ در لابراتوار کرنل آرونوتیکال توسط فرانک روزنبلت ابداع شد. درواقع این الگوریتم جزء اولین شبکه‌های عصبی مصنوعی است که به‌کار گرفته شده‌است.پرسپترون بیشتر به عنوان یک دستگاه مد نظر بوده‌است تا یک برنامه و با این‌که اولین پیاده‌سازی آن به صورت یک نرم‌افزار برای آی بی ام ۷۰۴ بود، پس از آن به صورت سخت‌افزار اختصاصی "پرسپترون مارک ۱" پیاده‌سازی شد. این دستگاه برای تشخیص تصویر طراحی شده بود، مجموعه‌ای از ۴۰۰ حسگر نور، که به صورت تصادفی به "نورون"‌ها متصل شده‌اند. وزن‌ها در پتانسیومترها کدگذاری شده بودند، و بروزرسانی وزن‌ها در طول یادگیری با موتورهای الکتریکی صورت می‌گرفت.