ผู้ใช้:Thastp/ทดลองเขียน3
วิธีการเรียนรู้
[แก้]การเรียนรู้แบบไม่มีผู้สอน
[แก้]อัลกอริทึมเรียนรู้แบบไม่มีผู้สอนหาโครงสร้างภายในข้อมูลที่ยังไม่มีฉลาก ไม่แบ่งประเภท หรือไม่มีหมวดหมู่ อัลกอริทึมเรียนรู้แบบไม่มีผู้สอนไม่ตอบสนองต่อผลป้อนกลับ แต่จำแนกแยกแยะลักษณะต่าง ๆ ที่มีร่วมกันอยู่ในข้อมูล และตอบสนองต่อการมีอยู่หรือไม่มีของลักษณะร่วมในข้อมูลอันใหม่ การประยุกต์ใช้ของการเรียนรู้ของเครื่องแบบไม่มีผู้สอนหลัก ๆ ประกอบด้วยการแบ่งกลุ่ม การลดมิติ,[1] และการประมาณความหนาแน่น (density estimation)[2] Unsupervised learning algorithms also streamlined the process of identifying large indel based haplotypes of a gene of interest from pan-genome.[3]
Cluster analysis is the assignment of a set of observations into subsets (called clusters) so that observations within the same cluster are similar according to one or more predesignated criteria, while observations drawn from different clusters are dissimilar. Different clustering techniques make different assumptions on the structure of the data, often defined by some similarity metric and evaluated, for example, by internal compactness, or the similarity between members of the same cluster, and separation, the difference between clusters. Other methods are based on estimated density and graph connectivity.
A special type of unsupervised learning called, self-supervised learning involves training a model by generating the supervisory signal from the data itself.[5][6]
อ้างอิง
[แก้]- ↑ อ้างอิงผิดพลาด: ป้ายระบุ
<ref>ไม่ถูกต้อง ไม่มีการกำหนดข้อความสำหรับอ้างอิงชื่อ:9 - ↑ Jordan, Michael I.; Bishop, Christopher M. (2004). "Neural Networks". ใน Allen B. Tucker (บ.ก.). Computer Science Handbook, Second Edition (Section VII: Intelligent Systems). Boca Raton, Florida: Chapman & Hall/CRC Press LLC. ISBN 978-1-58488-360-9.
- ↑ Zhang, Bosen; Huang, Haiyan; Tibbs-Cortes, Laura E.; Vanous, Adam; Zhang, Zhiwu; Sanguinet, Karen; Garland-Campbell, Kimberly A.; Yu, Jianming; Li, Xianran (2023). "Streamline unsupervised machine learning to survey and graph indel-based haplotypes from pan-genomes". Molecular Plant (ภาษาอังกฤษ). 16 (6): 975–978. doi:10.1016/j.molp.2023.05.005. PMID 37202927.
- ↑ Zhang, Bosen; Huang, Haiyan; Tibbs-Cortes, Laura E.; Vanous, Adam; Zhang, Zhiwu; Sanguinet, Karen; Garland-Campbell, Kimberly A.; Yu, Jianming; Li, Xianran (2023-02-13). Streamline unsupervised machine learning to survey and graph indel-based haplotypes from pan-genomes (Report). doi:10.1101/2023.02.11.527743.
- ↑ Misra, Ishan; Maaten, Laurens van der (2020). Self-Supervised Learning of Pretext-Invariant Representations. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Seattle, WA, USA: IEEE. pp. 6707–6717. arXiv:1912.01991. doi:10.1109/CVPR42600.2020.00674.
- ↑ Jaiswal, Ashish; Babu, Ashwin Ramesh; Zadeh, Mohammad Zaki; Banerjee, Debapriya; Makedon, Fillia (March 2021). "A Survey on Contrastive Self-Supervised Learning". Technologies (ภาษาอังกฤษ). 9 (1): 2. arXiv:2011.00362. doi:10.3390/technologies9010002. ISSN 2227-7080.
บรรณานุกรม
[แก้]- Domingos, Pedro (22 กันยายน 2015). The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. Basic Books. ISBN 978-0465065707.
- Nilsson, Nils (1998). Artificial Intelligence: A New Synthesis. Morgan Kaufmann. ISBN 978-1-55860-467-4. เก็บจากแหล่งเดิมเมื่อ 26 กรกฎาคม 2020. สืบค้นเมื่อ 18 พฤศจิกายน 2019.
- Russell, Stuart J.; Norvig, Peter (2003). Artificial Intelligence: A Modern Approach (2nd ed.). Upper Saddle River, New Jersey: Prentice Hall. ISBN 0-13-790395-2.
- Poole, David; Mackworth, Alan; Goebel, Randy (1998). Computational Intelligence: A Logical Approach. New York: Oxford University Press. ISBN 978-0-19-510270-3. เก็บจากแหล่งเดิมเมื่อ 26 กรกฎาคม 2020. สืบค้นเมื่อ 22 สิงหาคม 2020.
อ่านเพิ่ม
[แก้]- Nils J. Nilsson. Introduction to Machine Learning. เก็บจากแหล่งเดิมเมื่อ 16 สิงหาคม 2019.
- Trevor Hastie; Robert Tibshirani; Jerome H. Friedman (2001). The Elements of Statistical Learning. Springer. ISBN 0-387-95284-5. เก็บจากแหล่งเดิมเมื่อ 27 ตุลาคม 2013.
- Pedro Domingos (กันยายน 2015). The Master Algorithm. Basic Books. ISBN 978-0-465-06570-7.
- Ian H. Witten; Eibe Frank (2011). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann. ISBN 978-0-12-374856-0.
- Ethem Alpaydin (2004). Introduction to Machine Learning. MIT Press. ISBN 978-0-262-01243-0.
- David J. C. MacKay (2003). Information Theory, Inference, and Learning Algorithms. Cambridge: Cambridge University Press. ISBN 0-521-64298-1. เก็บจากแหล่งเดิมเมื่อ 17 กุมภาพันธ์ 2016.
- Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification (2nd edition), Wiley, New York, ISBN 0-471-05669-3.
- Christopher Bishop (1995). Neural Networks for Pattern Recognition, Oxford University Press. ISBN 0-19-853864-2.
- Stuart Russell & Peter Norvig, (2009). Artificial Intelligence – A Modern Approach เก็บถาวร 2011-02-28 ที่ เวย์แบ็กแมชชีน. Pearson, ISBN 9789332543515.
- Ray Solomonoff, An Inductive Inference Machine, IRE Convention Record, Section on Information Theory, Part 2, pp., 56–62, 1957.
- Ray Solomonoff, An Inductive Inference Machine เก็บถาวร 2011-04-26 ที่ เวย์แบ็กแมชชีน A privately circulated report from the 1956 Dartmouth Summer Research Conference on AI.
- Kevin P. Murphy (2021). Probabilistic Machine Learning: An Introduction เก็บถาวร 2021-04-11 ที่ เวย์แบ็กแมชชีน, MIT Press.