Машина үйрөнүү (англ.
machine learning, ML) – жасалма интеллект методдорунун классы, анын мүнөздүү өзгөчөлүгү көйгөйдү түз чечүү эмес, бирок ушул сыяктуу көптөгөн маселелерди чечүү жолдорун колдонуу аркылуу үйрөнүү. Мындай ыкмаларды куруу үчүн математикалык статистиканын инструменттери, сандык методдор, математикалык анализ, оптималдаштыруу методдору, ыктымалдуулук теориясы, график теориясы жана цифралык формадагы маалыматтар менен иштөөнүн ар кандай ыкмалары колдонулат.
Тренингдин эки түрү бар:
Дедуктивдүү окутуу доменге таандык эксперттик системалар. ошондуктан терминдер машинаны үйрөнүү жана прецеденттик окутуу синонимдер деп эсептесе болот.
Классикалык статистикалык ыкмаларга альтернатива катары көптөгөн индуктивдүү окутуу ыкмалары иштелип чыккан. Көптөгөн ыкмалар маалымат алуу менен тыгыз байланышта (англ. information extraction, маалымат издөө ), маалыматтарды казып алуу .
Көптөгөн объекттер (ситуациялар) жана көптөгөн мүмкүн болгон жооптор (жооптор, реакциялар) бар. Жооптор менен объекттердин ортосунда кандайдыр бир көз карандылык бар, бирок ал белгисиз. Прецеденттердин чектүү жыйындысы гана белгилүү - "объект, жооп" жуптары, окутуу топтому деп аталат. Бул маалыматтардын негизинде жашыруун көз карандылыкты калыбына келтирүү, башкача айтканда, ар кандай мүмкүн болгон киргизүү объектисине жетиштүү так классификациялык жоопту чыгарууга жөндөмдүү алгоритмди куруу зарыл. Бул көз карандылык сөзсүз түрдө аналитикалык түрдө туюндурулбайт жана бул жерде нейрон тармактары эмпирикалык түрдө түзүлгөн чечим принцибин ишке ашырат. Бул учурда маанилүү өзгөчөлүк болуп окутуу системасынын жалпылоо, башкача айтканда, учурдагы окутуу үлгүсүнүн чегинен чыккан маалыматтарга адекваттуу жооп берүү жөндөмдүүлүгү саналат. Жооптордун тактыгын өлчөө үчүн сапатты баалоо функциясы киргизилет.
Бул билдирүү классикалык маселелерди жалпылоо болуп саналат жакындаштыруу милдеттери. Классикалык жакындоо маселелеринде объектилер чыныгы сандар же векторлор болуп саналат. Чыныгы тиркемелерде объектилер жөнүндө маалыматтар толук эмес, так эмес, сандык эмес, гетерогендүү болушу мүмкүн. Бул өзгөчөлүктөр машинаны үйрөнүү методдорунун ар түрдүүлүгүнө алып келет.
Машина үйрөнүү бөлүмү, бир жагынан, нейрондук тармактар илиминин тармактарды окутуу ыкмаларына жана алардын архитектурасынын топологияларынын түрлөрүнө бөлүнүүнүн натыйжасында түзүлсө, экинчи жагынан математикалык статистиканын ыкмаларын камтыган . Төмөндө саналып өткөн машинаны үйрөнүү ыкмалары нейрондук тармактарды колдонууга негизделген, бирок окутуу топтомуна негизделген башка методдор бар – мисалы, байкалган статистиканын жалпыланган дисперсиясы жана ковариациясы боюнча иштеген дискриминанттык анализ же Байес классификаторлору. Нейрондук тармактардын негизги типтери, мисалы, перцептрон жана көп катмарлуу перцептрон (ошондой эле алардын модификациялары) күчөтүлгөн жана өзүн-өзү уюштуруу менен окутуучу менен да, окутуучусуз да үйрөтүлүшү мүмкүн. Бирок кээ бир нейрон тармактары жана көпчүлүк статистикалык ыкмалар окутуу ыкмаларынын бирине гана таандык болушу мүмкүн. Ошондуктан, эгер сиз окутуу ыкмасына жараша машиналык үйрөнүү ыкмаларын классификациялоо керек болсо, анда нейрон тармактарын белгилүү бир типке классификациялоо туура эмес болуп калат, нейрондук тармакты окутуу алгоритмдерин классификациялоо туура болот;
Машина үйрөнүүнүн максаты адамдын ишмердүүлүгүнүн ар түрдүү чөйрөлөрүндөгү татаал профессионалдык маселелерди чечүүнү жарым-жартылай же толук автоматташтыруу болуп саналат.
Машина үйрөнүү колдонмолорунун чөйрөсү тынымсыз кеңейүүдө. Кеңири жайылган маалыматташтыруу илимде, өндүрүштө, бизнесте, транспортто жана саламаттыкты сактоодо чоң көлөмдөгү маалыматтардын топтолушуна алып келет. Прогноздоо, башкаруу жана чечимдерди кабыл алуу көйгөйлөрү көбүнчө прецеденттерден үйрөнүүгө кыскарат. Мурда мындай маалыматтар жок болгондо, бул милдеттер такыр коюлган эмес же такыр башка ыкмалар менен чечилчү.
This article uses material from the Wikipedia Кыргызча article Машина үйрөнүү, which is released under the Creative Commons Attribution-ShareAlike 3.0 license ("CC BY-SA 3.0"); additional terms may apply (view authors). Башкача белгиленбесе, мазмун CC BY-SA 4.0 лицензиясына ылайык жеткиликтүү. Images, videos and audio are available under their respective licenses.
®Wikipedia is a registered trademark of the Wiki Foundation, Inc. Wiki Кыргызча (DUHOCTRUNGQUOC.VN) is an independent company and has no affiliation with Wiki Foundation.