• 被代替
  • 已被新标准代替
  • 1997-12-25 颁布
©正版授权
注:本标准为国际组织发行的正版标准,下载后为完整内容;本图片为程序生成,仅供参考,介绍内容如有偏差,以实际下载内容为准
【正版授权-英/法语版】 ISO/IEC 2382-31:1997 EN-FR Information technology - Vocabulary - Part 31: Artificial intelligence - Machine learning_第1页
全文预览已结束

下载本文档

基本信息:

  • 标准号:ISO/IEC 2382-31:1997 EN-FR
  • 标准名称:信息技术-词汇-第31部分:人工智能-机器学习
  • 英文名称:Information technology -- Vocabulary -- Part 31: Artificial intelligence -- Machine learning
  • 标准状态:被代替
  • 发布日期:1997-12-25

文档简介

人工智能-机器学习标准,是对机器学习技术及其相关概念的术语、概念、特性的标准化定义。下面是标准的详细解释:

**概述**:

机器学习是一种人工智能(AI)的方法学,它基于算法通过数据自动发现模型,用于预测或分类任务。其目标是通过使用计算机从数据中学习规律,以优化预测或决策的准确性。

**术语解释**:

***学习模型**:通过训练数据自动发现的一种模型,用于预测或分类任务。

***监督学习**:一种机器学习方法,它使用有标签的数据进行训练,通过学习输入和输出之间的关系来提高预测的准确性。

***无监督学习**:一种机器学习方法,它使用无标签的数据进行训练,通过发现数据中的结构和模式来提高预测的准确性。

***强化学习**:一种机器学习方法,它通过环境反馈来调整策略,以最大化长期奖励为目标。

***深度学习**:一种机器学习方法,它使用神经网络进行建模和训练,可以处理复杂的非线性问题。

***迁移学习**:一种机器学习方法,它利用在训练过程中已经学会的知识和技能来解决新的问题。

**概念解释**:

***模型泛化**:机器学习中一个重要的概念,是指模型能够将所学到的知识应用到未见过的、不完全一样的数据上。

***特征工程**:是指从原始数据中提取有用的特征,以提高模型的性能和泛化能力。

***过拟合和欠拟合**:是机器学习中常见的两种问题,过拟合是指模型过于复杂,能够很好地拟合训练数据,但在测试数据上表现不佳;欠拟合是指模型过于简单,无法很好地拟合训练数据。

**特性描述**:

机器学习具有以下特性:自适应性、可扩展性、泛化能力、可解释性和多样性。这些特性使得机器学习在许多领域都有广泛的应用,如医疗、金融、安全、自动驾驶等。

这就是ISO/IEC2382-31:1997EN-FRInformationtechnology--Vocabulary--Part31:Artificialintelli

温馨提示

  • 1. 本站所提供的标准文本仅供个人学习、研究之用,未经授权,严禁复制、发行、汇编、翻译或网络传播等,侵权必究。
  • 2. 本站所提供的标准均为PDF格式电子版文本(可阅读打印),因数字商品的特殊性,一经售出,不提供退换货服务。
  • 3. 标准文档要求电子版与印刷版保持一致,所以下载的文档中可能包含空白页,非文档质量问题。
  • 4. 下载后请按顺序安装Reader(点击安装)和FileOpen(点击安装)方可打开。详细可查看标准文档下载声明

评论

0/150

提交评论