Page 126 - 计算机应用软件开发技术研究

计算机应用软件开发技术研究
Research on Computer Application Software Development Technology

①机器学习已成为新的学科，它综合应用了心理学、生物学、神经生理学、
数学、自动化和计算机科学等形成了机器学习理论基础。
②融合了各种学习方法，且形式多样的集成学习系统研究正在兴起。

③机器学习与人工智能各种基础问题的统一性观点正在形成。
④各种学习方法的应用范围不断扩大，部分应用研究成果已转化为产品。
⑤与机器学习有关的学术活动空前活跃。
（二）传统机器学习及大数据环境下的研究现状

机器学习是人工智能及模式识别领域的共同研究热点，其理论和方法已被
广泛应用于解决工程应用和科学领域的复杂问题。2010 年的图灵奖获得者为哈
佛大学的 Leslie Vlliant 教授，其获奖工作之一是建立了概率近似正确（Probably
Approximate Correct，PAC）学习理论；2011 年的图灵奖获得者为加州大学洛杉

矶分校的 Judea Pearl 教授，其主要贡献为建立了以概率统计为理论基础的人工智
能方法。这些研究成果都促进了机器学习的发展和繁荣。
机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工
智能中最具智能特征，最前沿的研究领域之一。自 20 世纪 80 年代以来，机器学

习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年
来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机
器学习不仅在基于知识的系统中得到应用，而且在自然语言理解、非单调推理、
机器视觉、模式识别等许多领域也得到了广泛应用。一个系统是否具有学习能力

已成为是否具有“智能”的一个标志。机器学习的研究主要分为两类研究方向：
第一类是传统机器学习的研究，该类研究主要是研究学习机制，注重探索模拟人
的学习机制；第二类是大数据环境下机器学习的研究，该类研究主要是研究如何
有效利用信息，注重从巨量数据中获取隐藏的、有效的、可理解的知识。

机器学习历经 70 年的曲折发展，以深度学习为代表借鉴人脑的多分层结
构、神经元的连接交互信息的逐层分析处理机制，自适应、自学习的强大并行
信息处理能力，在很多方面收获了突破性进展，其中最有代表性的是图像识别
领域。

1.传统机器学习的研究现状
传统机器学习的研究方向主要包括决策树、随机森林、人工神经网络、贝叶
斯学习等方面的研究。

·114·