终极分类器（识别器），一个人工智能的美好愿景

标签： 终极分类器识别器人工智能

2017-04-04 20:45 175人阅读 评论(0)收藏举报

分类：

machine learning（15）

版权声明：本文为博主原创文章，未经博主允许不得转载。

    人工智能很多时候都是在研究分类器，如：LDA，SVM，Random Forests，Neural Networks 等等。为什么我们提出了这么多分类器还是不能满足？

    一个主要的问题是，这些分类器都不能完美的解决我们所面对的问题，尤其是特征提取上，往往需要挂手动档。最近的深度学习很好的部分解决了自动特征提取的问题，所以也算是将分类器算法往终极分类器上面走了一大步。

    这里说的终极分类器并不是一个完美的分类器，或者说该分类器是不断的逼近完美分类器的分类器，而逼近的过程就是增量学习(Incremental Learning)的过程，而增量学习的过程也面临很多困难需要克服，如：灾难性遗忘（catastrophic forgetting）...

    下面列出终极分类器的一些属性：

    1. 自动特征提取

    2. 可以学习新的类别，即类别的数量可以动态的增长（增量学习过程），且新类别的学习需要很少或者不需要旧类别的数据

    3. 新类别的训练能够最大化的利用分类器以前的结构和参数信息

    4. 新类别的训练不能导致分类器灾难性遗忘，即不破坏或者尽量少破坏原有的模型参数和结构

    5. 对于已知的类别数据分类输出该类别标签，对于未知的类别分类为未知

    6. 对于单个数据混合有一个或多个类别的，分类到一个或多个类别并指出其位置

PS: 感觉分类和识别还是有一些区别，识别更多的是强调在整个映射空间中，将输入映射到局部输出空间，如果这个空间有标签那么输出标签，没有表示未知; 而分类是先划分空间并打上标签，然后将输入映射到局部划分空间，并输出划分空间的标签。所以上面的终极分类器改成终极识别器更合理些。