《表A1 ML发展过程中形成的五大流派》
ML是一个算法范畴,其本质[13]是找到一个目标函数f,使其成为输入变量X到输出变量Y之间的最佳映射:Y=f(X)。ML算法主要分四大类:有监督式学习、无监督学习、半监督式学习和强化学习(reinforcement learning,RL)。其中:有监督式学习需要标识数据;无监督学习不需要任何标识数据;半监督式学习介于前两者之间(有部分标识数据);RL无需监督信号,可在模型未知的环境中平衡探索和利用(exploration and exploitation)[9]。其中,常用的ML算法有:线性回归、逻辑回归(LR)、反向传递神经网络(BPNN)、Apriori算法、Eclat算法、k-均值、图论推理算法、支持向量机(SVM)、线性判别分析、朴素贝叶斯、K-最近邻(KNN)、聚类算法、奇异值分解(SVD)、矩阵分解、降维算法(如决策树、随机森林、最小二乘法、主成分分析法等)、梯度提高和演算法、Q-学习、时间差分学习(TD-学习)、集成算法(如随机森林和Boosting,Bagging,AdaBoost等)、人工神经网络(如DL)等。在电力系统领域,20世纪90年代曾在BPNN,SVM和模糊集(FS)等早期ML的应用方面掀起一个研究热潮。近年来,有关学者陆续提出了平行学习(parallel learning,PL)[14-15]、混合学习(hybrid learning,HL)[16]、对抗学习(adversarial learning,AL)[17]等新的ML理论框架,并引入EEPS中。可以预见的是,ML将是AI 2.0发展的关键技术和核心创造力,将起到主要的推动作用。总的来说,ML主要分为五大流派[18-19],即符号主义、贝叶斯派、联结主义、进化主义和行为类比主义,详情参见附录A第A3节(表A1)。可以看出,前面4个流派从不同侧面抓住了智能的部分特征,在“制造”AI方面都取得了里程碑式的成就。
图表编号 | XD0030115000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 程乐峰、余涛、张孝顺、殷林飞 |
绘制单位 | 华南理工大学电力学院、广东省绿色能源技术重点实验室、华南理工大学电力学院、广东省绿色能源技术重点实验室、汕头大学工学院、广西大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |