stringtranslate.com

Aprendizaje incremental

En informática , el aprendizaje incremental es un método de aprendizaje automático en el que los datos de entrada se utilizan continuamente para ampliar el conocimiento del modelo existente, es decir, para entrenar aún más el modelo. Representa una técnica dinámica de aprendizaje supervisado y aprendizaje no supervisado que se puede aplicar cuando los datos de entrenamiento están disponibles gradualmente con el tiempo o su tamaño está fuera de los límites de la memoria del sistema. Los algoritmos que pueden facilitar el aprendizaje incremental se conocen como algoritmos de aprendizaje automático incremental.

Muchos algoritmos tradicionales de aprendizaje automático admiten inherentemente el aprendizaje incremental. Se pueden adaptar otros algoritmos para facilitar el aprendizaje incremental. Ejemplos de algoritmos incrementales incluyen árboles de decisión (IDE4, [1] ID5R [2] y gaenari), reglas de decisión , [3] redes neuronales artificiales ( redes RBF , [4] Learn++, [5] Fuzzy ARTMAP, [6] TopoART, [7] e IGNG [8] ) o el SVM incremental . [9]

El objetivo del aprendizaje incremental es que el modelo de aprendizaje se adapte a nuevos datos sin olvidar el conocimiento existente. Algunos estudiantes incrementales han incorporado algún parámetro o suposición que controla la relevancia de los datos antiguos, mientras que otros, llamados algoritmos de aprendizaje automático incremental estable, aprenden representaciones de los datos de entrenamiento que ni siquiera se olvidan parcialmente con el tiempo. Fuzzy ART [10] y TopoART [7] son ​​dos ejemplos de este segundo enfoque.

Los algoritmos incrementales se aplican con frecuencia a flujos de datos o big data , abordando problemas de disponibilidad de datos y escasez de recursos, respectivamente. La predicción de tendencias bursátiles y la elaboración de perfiles de usuarios son algunos ejemplos de flujos de datos en los que continuamente hay nuevos datos disponibles. La aplicación del aprendizaje incremental a big data tiene como objetivo producir tiempos de clasificación o pronóstico más rápidos.

Referencias

  1. ^ Schlimmer, JC y Fisher, D. Un estudio de caso de inducción de conceptos incrementales. Quinta Conferencia Nacional sobre Inteligencia Artificial, 496-501. Filadelfia, 1986
  2. ^ Utgoff, PE, Inducción incremental de árboles de decisión. Aprendizaje automático, 4(2): 161-186, 1989
  3. ^ Ferrer-Troyano, Francisco, Jesús S. Aguilar-Ruiz y José C. Riquelme. Aprendizaje incremental de reglas basado en ejemplos de cercanía de flujos de datos numéricos. Actas del simposio ACM de 2005 sobre informática aplicada. ACM, 2005
  4. ^ Bruzzone, Lorenzo, and D. Fernàndez Prieto. An incremental-learning neural network for the classification of remote-sensing images. Pattern Recognition Letters: 1241-1248, 1999
  5. ^ R. Polikar, L. Udpa, S. Udpa, V. Honavar. Learn++: An incremental learning algorithm for supervised neural networks. IEEE Transactions on Systems, Man, and Cybernetics. Rowan University USA, 2001.
  6. ^ G. Carpenter, S. Grossberg, N. Markuzon, J. Reynolds, D. Rosen. Fuzzy ARTMAP: a neural network architecture for incremental supervised learning of analog multidimensional maps. IEEE transactions on neural networks, 1992
  7. ^ a b Marko Tscherepanow, Marco Kortkamp, and Marc Kammer. A Hierarchical ART Network for the Stable Incremental Learning of Topological Structures and Associations from Noisy Data Archived 2017-08-10 at the Wayback Machine. Neural Networks, 24(8): 906-916, 2011
  8. ^ Jean-Charles Lamirel, Zied Boulila, Maha Ghribi, and Pascal Cuxac. A New Incremental Growing Neural Gas Algorithm Based on Clusters Labeling Maximization: Application to Clustering of Heterogeneous Textual Data. IEA/AIE 2010: Trends in Applied Intelligent Systems, 139-148, 2010
  9. ^ Diehl, Christopher P., and Gert Cauwenberghs. SVM incremental learning, adaptation and optimization. Neural Networks, 2003. Proceedings of the International Joint Conference on. Vol. 4. IEEE, 2003.
  10. ^ Carpenter, G.A., Grossberg, S., & Rosen, D.B., Fuzzy ART: Fast stable learning and categorization of analog patterns by an adaptive resonance system, Neural Networks, 4(6): 759-771, 1991

External links