6.2 实例学习的分类 6.2.1 按规则空间搜索方法分类 正如前述，这可以分为四类 （1）变型空间方法 （2）改进假设方法 （3）产生和测试方法 （4）方案示例方法 6.2.2 按论域类型分类 按论域类型划分，实例学习可分两类 1. 用数字表示的系统 这是在电子工程、系统理论和模式分析等领域的学习系统，获取的知识是多项式和矩阵等形式。这类系统通常称为自适应系统。系统中执行环节的任务是模式分类、自适应控制和自适应滤波等。自适应方法的优点是可以用于有干扰的环境，用于系统特性变化快的环境，用于经典分析法不能使用的环境。这类系统的研究现在列入系统理论等领域，而与人工智能领域分开了。 2. 用符号表示系统 在人工智能领域研究的学习系统，主要是用符号表示的系统，这些系统中常用的知识表示型式是符号的特征向量、一阶谓词逻辑、产生式规则、框架和语义网络。这类系统可以按任务复杂性分为三种。 （1） 学习单个概念 学习单个概念是最基本最简单的学习任务。只要求系统归纳一个概念的描述规则。6.3节将以这类学习任务为背景介绍规则空间的四种搜索方法。 （2） 学习多个概念 实用的学习系统往往要求归纳出多个互相独立的概念。6.4节将介绍几个这类系统 （3） 学习执行多步任务 这类系统的执行环节使用一个操作序列去完成任务，即执行环节进行任务规划。因此，归纳出的规则应该是进行任务规划的规则。下棋程序和符号积分程序是这类系统。6.5节将介绍几个这类系统。 |