A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

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

Data Augmented Incremental Learning (DAIL) for Unsupervised Data Aprendizado incremental aumentado de dados (DAIL) para dados não supervisionados

Sathya MADHUSUDHANAN, Suresh JAGANATHAN

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

O Aprendizado Incremental, uma metodologia de aprendizado de máquina, treina os dados de entrada que chegam continuamente e amplia o conhecimento do modelo. Quando se trata de fluxos de dados não rotulados, a tarefa de aprendizagem incremental torna-se mais desafiadora. Nossa metodologia de aprendizagem incremental recentemente proposta, Data Augmented Incremental Learning (DIÁRIO), aprende os fluxos em tempo real cada vez maiores com recursos e tempo de memória reduzidos. Inicialmente, os lotes não rotulados de fluxos de dados são agrupados usando o algoritmo de agrupamento proposto, Clustering baseado em Autoencoder e Modelo Gaussiano (CLAG). Mais tarde, DIÁRIO cria um modelo incremental atualizado para os clusters rotulados usando aumento de dados. DIÁRIO evita o retreinamento de amostras antigas e retém apenas o modelo incremental atualizado mais recentemente, contendo todas as informações da classe antiga. O uso de aumento de dados em DIÁRIO combina os clusters semelhantes gerados com diferentes lotes de dados. Uma série de experimentos comprovou o desempenho significativo de CLAG e DIÁRIO, produzindo um modelo incremental escalável e eficiente.

Publicação
IEICE TRANSACTIONS on Information Vol.E105-D No.6 pp.1185-1195
Data de publicação
2022/06/01
Publicitada
2022/03/14
ISSN online
1745-1361
DOI
10.1587/transinf.2021EDP7213
Tipo de Manuscrito
PAPER
Categoria
Inteligência Artificial, Mineração de Dados

autores

Sathya MADHUSUDHANAN
  Sri Sivasubramaniya Nadar College of Engineering
Suresh JAGANATHAN
  Sri Sivasubramaniya Nadar College of Engineering

Palavra-chave