سیستم های طبقه بندی کننده یادگیری: از مبانی تا برنامه های کاربردی
سیستم های طبقه بندی کننده یادگیری یک الگوی یادگیری ماشینی هستند که توسط جان هالند در سال 1976 معرفی شده است. آنها سیستم های مبتنی بر قانون هستند که در آنها یادگیری به عنوان فرآیند سازگاری مداوم با یک محیط ناشناخته از طریق الگوریتم های ژنتیک و یادگیری تفاوت های زمانی دیده می شود.
از همان ابتدا، سیستم های طبقه بندی کننده توجه محققان را در زمینه های مختلف، از طراحی خطوط لوله گاز گرفته تا شخصی، عوامل اینترنتی، و از جمله علوم شناختی، داده کاوی، تجارت اقتصادی عوامل، و روباتیک خودمختار به خود جلب کرده است. در سال 1989 استوارت ویلسون و دیوید گلدبرگ مروری بر دهه اول تحقیقات سیستم طبقه بندی کننده ارائه کرده است برخی از نقاط عطف که مشخصه توسعه اولیه این رشته بودند. در سال 1992 اولین کارگاه بین المللی سیستم های طبقه بندی کننده یادگیری (IWLCS92) در هیوستون تگزاس برگزار شد.
در دهه 1990 شاهد علاقه فزاینده ای به این حوزه بود: بسیاری از برنامه های کاربردی موفق به مسائل دنیای واقعی و همچنین مدل های سیستم طبقه بندی جدید ارائه شد. با هفت سال از اولین کارگاه و بیش از 400 مقاله منتشر شده، زمان آن بود که در سال 1999 دوباره وضعیت طبقه بندی کننده یادگیری را تحقیق و بررسی سیستمی کنیم. به همین منظور دومین کارگاه بین المللی سیستم های طبقه بندی کننده یادگیری (IWLCS99) برگزار شد و ایده این جلد تصور شده است. این کارگاه، در اورلاندو، فلوریدا، 13 ژوئیه 1999 برگزار شد جامعه حیاتی از محققان از بسیاری از مناطق مختلف که مشترک است. علاقه به این پارادایم یادگیری ماشینی برخی از جالب ترین کارها ارائه شده در کارگاه در این جلد آمده است.
کتاب نمای کلی از وضعیت فعلی سیستم های طبقه بندی کننده یادگیری را ارائه می دهد و برخی از امیدوارکننده ترین جهت های تحقیقاتی را برجسته می کند. مقاله اول قسمت اول این سوال اساسی را مطرح می کند: «سیستم طبقه بندی کننده یادگیری چیست؟» پاسخ ها توسط جان هالند، مبتکر سیستم های طبقه بندی کننده، و سایر محققان قدیمی در این زمینه: لاشون بوکر، مارکو کلمبتی، مارکو ارائه شده است. دوریگو، استفانی فارست، دیوید گلدبرگ، ریک ریولو، رابرت ای. اسمیت و استوارت ویلسون. سه مقاله زیر، از دیدگاههای مختلف، تحولات این حوزه را از زمان ویلسون و گلدبرگ در سال 1989 خلاصه میکنند.. بخش دوم شامل مقالاتی در مورد موضوعات پیشرفته مورد علاقه فعلی است، از جمله نمایشهای جایگزین، روشهایی برای ارزیابی سودمندی قوانین، و الحاقات به مدل های سیستم طبقه بندی کننده موجود. بخش سوم به برنامه های امیدوارکننده سیستم های طبقه بندی کننده اختصاص داده شده است مانند: داده کاوی، تجزیه و تحلیل داده های پزشکی، عوامل تجاری اقتصادی، مانور هواپیما، و رباتیک مستقل.