کل فرایند یادگیری در هوش مصنوعی و شبکه‌های عصبی
برچسب( گونه) |
ویژگی 3(زمان گلدهی) |
ویژگی 2(اندازه ساقه) |
ویژگی 1(رنگ گل) |
1 |
1 |
20 |
2 |
2 |
2 |
21 |
1 |
2 |
2 |
24 |
3 |
3 |
3 |
25.3 |
2 |
3 |
3 |
23.3 |
3 |
برای آموزش هر نوع شبکهای که بتواند با تکیه بر ویژگی‌ها یک خروجی به ما بدهد، فقط همین یک جدول را نیاز داریم، به عبارتی برای آموزش هر نوع شبکهای اعم از شبکه‌های عصبی، درخت تصمیم یا مثلا svm کافی است که یک جدولی مانند جدول بالا را داشته باشیم، سه ستون جدول بالا ویژگی‌ها و یک ستون به عنوان برچسب میباشد. مبنای این آموزش فقط به مشاهده توسط انسان یا نتایج آزمایش‌ها توسط انسان برمی‌گرده، البته این روش آموزش آموزش با نظارت است، اما نوع خاصی از آموزش را هم داریم که آموزش بدون نظارت است، در این حالت دیگه برچسب مشخص نمی‌شود و شبکه عصبی با توجه به روبط بین ویژگی‌ها و برخی قوانین معین شده، می‌تواند ورودی مثل سه ستون اول را دسته بندی کرده و نشان دهد که ویژگی‌های موجود در هر سطر مربوط به کدام گروه میباشد.
