這將在後面成為無監督學習上下文分類的一個例子。
徑向基函數神經網絡的學習過程一般分為兩個階段:非監督學習和監督學習階段,分別調整網絡的中心和權值。
為了解決數據倉庫中相似重複記錄的數據問題,提出了基於無監督學習的數據清洗算法。
實踐表明,該網絡經過監督學習後,能屏除車輛中一定量干擾象素影響,準確地識別出各種外形車的車型。
非監督學習看起來非常困難:目標是我們不告訴計算機怎麼做,而是讓它(計算機)自己去學習怎樣做一些事情。