Машинное обучение в системе Mathematica
Автор: Никита Стрельченко • Июль 25, 2022 • Курсовая работа • 3,639 Слов (15 Страниц) • 218 Просмотры
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
...