Машинное обучение в системе Mathematica

БЕЛОРУССКИЙ НАЦИОНАЛЬНЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

Приборостроительный факультет

Кафедра “Инженерная математика”

Курсовая работа по дисциплине “Информатика”

Машинное обучение в системе Mathematica

Выполнил

Руководитель

Минск 2020

Оглавление

ВВЕДЕНИЕ        3

1.Теоретическая часть        4

1.1 Основные определения теории машинного обучения        4

1.2 Общая постановка задачи обучения по прецедентам        5

1.3 Основные стандартные типы задач        6

1.4 Специфические прикладные задачи        9

1.5 Типы входных данных при обучении        9

1.6 Подходы и методы        9

1.7 Применение        11

1.8 Машинное обучение в Wolfram Mathematica        12

2.Практическая часть        14

ЗАКЛЮЧЕНИЕ        17

Список литературы        18

ВВЕДЕНИЕ

Машинное обучение в наше время всё чаще упоминается в массах. Люди, работающие в этой области, считают, что развитие этой области технологий позволит достичь более высокого уровня развития в различных сферах жизни.

Термин машинное обучение введён в 1959 году Артуром Сэмюэлем, американским сотрудником IBM и пионером в области компьютерных игр и искусственного интеллекта. Репрезентативной книгой исследований машинного обучения в 1960-х годах была книга Нильссона об обучающих машинах, посвященная в основном машинному обучению для классификации шаблонов. Интерес, связанный с распознаванием образов, сохранялся и в 1970-е годы, как описано Дудой и Хартом в 1973 году. В 1981 году был представлен отчет об использовании обучающих стратегий, согласно которым нейронная сеть учится распознавать 40 символов (26 букв, 10 цифр и 4 специальных символа) с компьютерного терминала.

В главе 1 будут приведены основные понятия и определения машинного обучения, описаны и приведены примеры основных и специфических типов задач, перечислены основные подходы и методы к машинному обучению. Также будет описан процесс обучения по прецедентам и основные аспекты машинного обучения в целом. Рассмотрим, в каких сферах жизни в наше время применяется машинное обучение, и как оно реализовано в системе Wolfram Mathematica.

В главе 2 будут описаны два простейших примера машинного обучения с учителем, которые помогут начать разбираться в информации приведённой в главе 1. В первом примере с помощь функции Classify научим программу распознавать различных животных, а затем программа должна сама отнести некоторые картинки к 1 из заданных классов. Во втором примере также с помощью функции Classify научим программу распознавать эмоции людей, после чего программа также должна будет определить, к какому классу относятся изображения с людьми. Также рассмотрим, как можно улучшить эти программы и где их можно применять.

1.Теоретическая часть

1.1 Основные определения теории машинного обучения

Машинное обучение — это класс методов создания искусственного интеллекта (ИИ), основной особенностью которого является не прямое решение задачи, а обучение в процессе анализа решений множества сходных задач. Искусственный интеллект — это свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются не выполнимыми для машин. Раздел машинного обучения объединяет в себе все способы обучения ИИ. Структура машинного обучения в ИИ приведена на рисунке 1.

[pic 1]

Рисунок 1 — Структура машинного обучения