Aprendizagem de máquina

Aprendizagem de Máquina

A área de aprendizagem de máquina estuda como construir programas computacionais que se melhoram automaticamente com a experiência.

Machine Learning
Computational Learning Theory (PAC Learning – probably approximately correct learning)
Neural Networks
Bayesian Learning
Algoritmos Genéticos
Instance-Based Learning (k-nearest neighbor learning)
Decision tree
Random tree
Adaboost
Support Vector Machine
Estimation of hypothesis accuracy

Def.: Diz-se que um programa computacional aprende com a experiência E no que diz respeito a uma classe de tarefas T e medida de desempenho P, se o seu desempenho nas tarefas em T, medida por P, aumenta com a experiência E.

Exemplo:
1) Jogo de dama:
Tarefa T: jogar dama
Medida de desempenho P: porcentagem de jogos ganhos.
Experiência de treinamento E: jogar partidas.

2) Reconhecer letras caligráficas:
Tarefa T: reconhecer e classificar palavras manuscritas em imagem.
Medida de desempenho P: porcentagem de palavras corretamente classificadas.
Experiência de treinamento E: uma base de dados de palavras manuscritas com classificação.

3) Aprender W-operador
Tarefa T: construir um W-operador desconhecido .
Medida de desempenho P: diferença entre as saídas geradas pelo operador ideal e pelo operador construído .
Experiência de treinamento E: imagens exemplos.

Aplicações:
Emulação de operadores desconhecidos (exemplo: detectar extremidades, bordas, esquinas)
Recohecer textura.
Reconhecer letras e formas.
Aumentar resolução das imagens binárias e halftone.
Halftone inverso.

4) Distinguir entre pedestre e carro.

5) Detectar rostos humanos.

Aprendizagem supervisionada / Aprendizagem não-supervisionada

instant-based learning outros tipos
Simplesmente armazena exemplos de treinamento (método “preguiçoso”)
Constrói explicitamente a função-objetiva k-nearest neighbor learning locally weighted regression radial basis functions neural network
algoritmos