Стремление к обучению
В искусственном интеллекте нетерпеливое обучение — это метод обучения, при котором система пытается построить общую, независимую от входных данных целевую функцию во время обучения системы, в отличие от ленивого обучения , при котором обобщение данных обучения откладывается до тех пор, пока не будет сделан запрос. в систему. [1] Основное преимущество, получаемое при использовании метода быстрого обучения, такого как искусственная нейронная сеть , заключается в том, что целевая функция будет аппроксимироваться глобально во время обучения, что требует гораздо меньше места, чем использование системы ленивого обучения. Системы быстрого обучения также гораздо лучше справляются с шумом в обучающих данных . Нетерпеливое обучение — это пример автономного обучения , при котором запросы к системе после обучения не оказывают влияния на саму систему, и, таким образом, один и тот же запрос к системе всегда будет давать один и тот же результат.
Основным недостатком нетерпеливого обучения является то, что оно, как правило, не может обеспечить хорошие локальные аппроксимации целевой функции. [2]
Стремление к обучению [3] | Ленивое обучение [4] |
Модель создается в кратчайшие сроки | Создание модели откладывается до последней возможной точки. |
Вычислительная мощность потребляется раньше | Вычислительная мощность, потребляемая позже |
Модель готова к запросу сразу | Ожидает создания модели, пока запрос |
Ссылки
[ редактировать ]- ^ Хендрикс, Ирис; Ван ден Бош, Антал (октябрь 2005 г.). «Гибридные алгоритмы с классификацией на основе экземпляров» . Машинное обучение: ECML2005 . Спрингер. стр. 158–169. ISBN 9783540292432 .
- ^ ВВЕДЕНИЕ В ОБРАБОТКУ ЗНАНИЙ . п. 2.
- ^ Вуда, Фрэнк Дж. и др. «Оценка поз всего тела с использованием только пяти инерционных датчиков: нетерпеливый или ленивый подход к обучению?». Датчики 16.12 (2016): 2138.
- ^ Ага, Дэвид В. «Ленивое обучение». Ленивое обучение. Дордрехт: Springer Нидерланды, 1997. 7–10.