| Summary: | Η μηχανική μάθηση είναι ένα επιστημονικό πεδίο που περιλαμβάνει προσαρμοστικές μεθόδους, οι οποίες με τη σειρά τους επιτρέπουν την εκπαίδευση των υπολογιστικών συστημάτων με βάση την ανθρώπινη εμπειρία, κάποια γνωστά παραδείγματα (π.χ. από πειράματα ή παρατήρηση), καθώς και την έννοια της αναλογικότητας. Μια προσέγγιση της μηχανικής μάθησης είναι τα λεγόμενα τεχνητά νευρωνικά δίκτυα. Στο παρόν σύγγραμμα παρουσιάζεται αναλυτικά η κλασική θεωρία νευρωνικών δικτύων πολλών στρώσεων που εκπαιδεύονται με οπισθόδρομη διάδοση σφάλματος (back-propagation of errors method). Δίνονται επίσης στοιχεία για την εφαρμογή της τεχνητής νοημοσύνης στον έλεγχο, ενώ γίνεται και επέκταση σε χρήση τεχνικών βαθιάς εκπαίδευσης. Επιπλέον, παρέχονται πληροφορίες για τεχνικές μάθησης και εκπαίδευσης χωρίς επίβλεψη, όπως είναι ο αλγόριθμος του Hebb και τα δίκτυα Kohonen, ενώ δίνονται και κάποιες εισαγωγικές πληροφορίες σχετικά με την εκπαίδευση τεχνητών νευρωνικών δικτύων μέσω εξισώσεων της μηχανικής (μέθοδος PINNs). Εισάγονται η έννοια της μάθησης κατά Bayes, τα δέντρα απόφασης και τα τυχαία δάση, καθώς και οι μηχανές διανυσμάτων υποστήριξης (SVMs). Τέλος, δίνονται κάποιες εφαρμογές της τεχνητής νοημοσύνης, ενώ γίνεται και μια συνοπτική περιγραφή των λεγόμενων έμπειρων συστημάτων, των χαρακτηριστικών τους και του πεδίου εφαρμογής τους.
|
|---|
