补充资料：类比学习

类比学习
learning by analogy

　　夹·509·类}e 1 bi XUeXI类比学习(l~ing by anal优罗)以类比推理为基础，通过识别两个情况的相似性，并使用一个情况中的知识去分析或理解另一个情况的机器学习方法。 在这两个情况中，一个是已经理解的熟悉情况，称为基或源，另一个是待理解的新情况，称为靶。这里“情况”可以是概念、任务、事件等。日常生活和科学发现中有大量类比学习的例子。例如，根据茅草上又长又密的锋利茅刺会划破手，鲁班想到了有齿的铁条能锯树，从而发明了锯子。根据氢原子与太阳系之间的相似性，卢瑟福提出了氢原子模型。此外，在客观实践和科学实验中，由于种种限制有时会使得人们无法直接考查某些事物，这时类比学习可以提供一种很好的间接实践手段。当前，类比学习已经成为人工智能，特别是机器学习研究的重要组成部分。 类比学习的研究始于60年代后期，这一期间的工作主要集中在数学领域的类比学习。具有代表性的工作有平面几何智力测验系统ANALOGY，辅助定理证明系统Z(〕RBA，以及P.H.Winston的先例学习系统Fbx。自80年代以来，对类比学习进行了较为全面和深人的研究。在类比认知机制方面进行了大量实验，主要包括类比在不同年龄的人的学习中的作用和相似性对人类类比的影响。针对人类类比的某些特征已提出了一些类比学习原理，例如D.〔泥ntne得人的结构映射理论等。在类比学习计算模型研究方面集中了较多工作，J.R.C冶d刀Ilell在提出了基于手段一目的分析法的计算模型之后又提出了推导类比。M.H.Bu花t朋利用因果模式构作了模拟学生学习赋值语句的系统CARL。此外，还对类比学习的匹配和转换阶段进行了一些形式化工作。 类比学习的基本过程接受一个新情况(靶)，检索相似情况，将相似情况的处理转换到靶，存储靶及其处理。虽然不同的类比学习系统强调这一过程的不同阶段，但大多数系统都不同程度地讨论了下列步骤: (l)抽取特征当输人靶后，需要对其分析，以抽取一组用于寻找相似情况的特征，在类比学习中把这些特征称作索引。 (2)检索相似情况应用第一步中计算出的索引从记忆中检索靶的相似情况，即基。基与靶的相似程度越高，越有助于靶的处理。 (3)建立对应关系建立基和靶的组成元素间的对应关系，通常要求相对应的元素在基和靶的共享因果关系网中有相似作用。 (4)转换知识以第3步建立的对应关系为依据，选择基中未被对应的知识并转换到靶，从而生成类比结论。

说明：补充资料仅用于学习参考，请勿用于其它任何用途。