机器学习简史

最新推荐文章于 2024-06-24 08:42:16 发布

SkyeBCI

最新推荐文章于 2024-06-24 08:42:16 发布

阅读量2.6k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习简史

本文链接：https://blog.youkuaiyun.com/Void_worker/article/details/90734369

本文概述了机器学习的历史，从1949年Donald Hebb的赫步理论开始，到2005年Hinton、LeCun、Bengio和Andrew Ng的深度学习革命。涉及关键人物、算法，如感知机、决策树、支持向量机、Adaboost和随机森林，以及深度学习的兴起。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文是Brief History of Machine Learning 的译文，原文链接：http://www.erogol.com/brief-history-machine-learning/

文章目录

1949年 Donald Hebb(赫步)：赫布理论

1949年，Donald Hebb(赫步)提出的赫布理论——解释了学习过程中大脑神经元所发生的变化，标志着机器学习领域迈出的第一步。概括来讲，赫布理论研究的是循环神经网络（RNN）中各节点之间的关联性。而里面提到的 RNN 具有把相似神经网络连接在一起的特征，并起到类似于记忆的作用。赫步理论的形式化表述如下：
假定反射行为的持续和重复(或称作"痕迹")能够引起细胞的永久改变，进而提高该行为的稳定性…如果细胞A的轴突距离近到可以激发细胞B，并且反复或持续的参与到细胞B的激活中，两个细胞其中之一或者两者皆会进行增长或发生代谢性变化，使得A激活B的效率得到提升。

1952年 Arthur Samuel(亚瑟·塞缪尔)：西洋跳棋程序

1952年，IBM 的 Arthur Samuel（亚瑟·塞缪尔）（被誉为“机器学习之父”）设计了一款可以学习的西洋跳棋程序。它能通过观察棋子的走位来构建新的模型，并用其提高自己的下棋技巧。Samuel 和这个程序进行多场对弈后发现，随着时间的推移程序的棋艺变得越来越好。Samuel 用这个程序推翻了以往“机器无法超越人类，不能像人一样写代码和学习”这一传统认识。而他对“机器学习”的定义是：不需要确定性编程就可以赋予机器某项技能的研究领域。