La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Practical Evaluation of Online Heterogeneous Machine Learning Évaluation pratique de l'apprentissage automatique hétérogène en ligne

Kazuki SESHIMO, Akira OTA, Daichi NISHIO, Satoshi YAMANE

  • Vues en texte intégral

    0

  • Citer

Résumé:

Ces dernières années, l’utilisation du Big Data a attiré davantage d’attention et de nombreuses techniques d’analyse des données ont été proposées. L’analyse des mégadonnées est toutefois difficile, car la régularité de ces données varie considérablement. L’apprentissage automatique des mélanges hétérogènes est un algorithme permettant d’analyser efficacement ces données. Dans cette étude, nous proposons un apprentissage hétérogène en ligne basé sur un algorithme EM en ligne. Les expériences montrent que cet algorithme a une précision d’apprentissage supérieure à celle d’une méthode conventionnelle et qu’il est pratique. L'approche d'apprentissage en ligne rendra cet algorithme utile dans le domaine de l'analyse de données.

Publication
IEICE TRANSACTIONS on Information Vol.E103-D No.12 pp.2620-2631
Date de publication
2020/12/01
Publicisé
2020/08/31
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2020EDP7020
Type de manuscrit
PAPER
Catégories
Intelligence artificielle, exploration de données

Auteurs

Kazuki SESHIMO
  Kanazawa University
Akira OTA
  Kanazawa University
Daichi NISHIO
  Kanazawa University
Satoshi YAMANE
  Kanazawa University

Mots-clés

Table des matières