第一章 绪论 1
第一节 问题提出及研究意义 1
一、问题的提出 2
二、研究的意义 3
第二节 机器学习相关的几个基本概念 4
一、“自然智能”与“人工智能”的联系与区别 4
二、“机器学习”与“人类学习”的联系与区别 5
三、“机器学习”与“人工智能”的联系与区别 7
第三节 国内外相关研究综述 8
一、国外相关研究综述 8
二、国内相关研究综述 20
第四节 研究思路、内容与创新点 24
一、研究思路与方法 24
二、研究框架与内容 26
三、主要创新点 29
第二章 机器学习哲学的前沿科学基础 32
第一节 知识图谱方法和数据来源 32
一、知识图谱方法 33
二、数据来源 36
第二节 机器学习研究领域的知识图谱 38
一、机器学习研究兴起的缘由 39
二、机器学习研究前沿的知识图谱 45
第三节 机器学习研究的前沿领域和演化路径 50
一、机器学习研究的前沿领域解析 51
二、机器学习研究的演化路径分析 58
三、机器学习研究引出的哲学前沿 62
第三章 机器学习的可能实现途径分析 66
第一节 机器学习的本体论基础 66
一、机器学习的本体论基础溯源 67
二、机器学习的本体论及其诠释 72
第二节 基于演绎推理的机器学习 78
一、演绎推理问题 79
二、演绎推理的机器学习模式 82
第三节 基于归纳推理的机器学习 85
一、归纳问题 86
二、归纳推理的机器学习模式 88
第四章 机器学习算法及其知识发现功能 99
第一节“发现问题”的历史回溯 99
一、科学发现逻辑的争论 100
二、人工智能的解答模型 103
第二节 机器学习算法解析 105
一、机器学习常用算法 105
二、学习算法的分层建构论 113
第三节 基于机器学习的知识发现模式 120
一、知识发现的尝试性的混沌解释 120
二、知识发现的确定性与随机性 124
三、知识发现的一般规则 128
第五章 结论与展望 135
第一节 结论 135
一、对机器学习的基本看法 136
二、从哲学的角度探索机器学习的实现途径 137
三、机器学习对传统知识发现问题的推进作用 137
四、机器学习哲学的框架体系 138
第二节 展望 141
附录 144
附录一 部分源程序 144
附录二 发表的科学技术哲学相关论文 149
情感 机器 认知 151
基于知识图谱的美国《科学哲学》研究前沿和热点探讨 165
基于知识图谱的美国《医学与哲学杂志》研究前沿探析 177
参考文献 184
后记 192