一. 示例学习的问题描述（见表2.1,表2.2） 二. 决策树学习（ID3算法） 1. 学习效果的衡量标准（示例学习的优化问题） 2. ID3算法：

一、学习及其理论 学习是人和动物在生活过程中通过实践训 练而获得的由经验引起的相对持久的适 应性的心理变化,即有机体以经验方式 引起的对环境相对持久的适应性的心理 变化。四个观点:一是学习是动物和人 共有的心理现象,虽然人的学习是相当 复杂的,与动物的学习有本质区别,但 不能否认动物也是有学习的;二是学习 不是本能活动,而是后天习得的;

一、学习对象 二、学习对象的教学应用 三、学习对象方法 四、学习对象系统 五、学习对象库 六、学习设计规范

深度学习的概念内涵 深度学习的主要特征 深度学习的理论基础 促进深度学习的策略

一、学习环境概述 二、基于建构主义的学习环境 三、学习环境的设计

一、学习的内涵 学习是生活中非常普遍的现象,学习的概念有广义和狭义之分。 (一)广义的学习 心理学中所讲的“学习”概念属于广义的学习,泛指有机体因经验而发生 的行为的变化

学习单元一 传感器与自动测控系统 学习单元二 传感器的分类 学习单元三 传感器的命名、代号和图形符号 学习单元四 传感器的特性 学习单元五 传感器的标定与校准 学习单元六 改善传感器性能的主要技术途径 学习单元七 传感器的发展趋势

第一部分 说明 I如何使用学习指导书 Ⅱ如何利用各种学习资源 一、课程介绍与性质 二、本课程的地位和作用 三、学习目的与要求 四、本课程的学习方法 第二部分 课程学习指导 第一章: 编组站与调车驼峰 第二章 驼峰调车场的基础设备 第三章 驼峰溜放进路控制系统概述 第四章 驼峰溜放速度自动控制 第五章 推峰机车速度控制系统 第六章 驼峰过程控制系统 第七章 驼峰尾部平面调车几种联锁系统 第八章 编组站综合自动化 第三部分 建议自学进度表

机器学习是计算机科学的重要分支领域，本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面.全书共16章，大致分为3个部分：第1部分（第1~3章）介绍机器学习的基础知识：第2部分（第4~10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习)：第3部分（第11~16章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索

8.1 机器学习的基本概念 8.2 机械学习 8.3 指导学习 8.4 类比学习 8.5 归纳学习 8.6 解释学习 8.7 知识发现与数据挖掘 8.8 学习控制系统