• Artykuły
  • Forum
  • Ciekawostki
  • Encyklopedia
  • Aktywne uczenie się w rzeczywistych zastosowaniach, Bristol, Wlk. Brytania

    06.04.2012. 15:26
    opublikowane przez: Redakcja Naukowy.pl

    Dnia 28 września 2012 r. w Bristolu, Wlk. Brytania, odbędą się warsztaty pt. "Aktywne uczenie się w rzeczywistych zastosowaniach".
    Uczenie maszynowe to dziedzina, w której metody i algorytmy umożliwiają modelowi uczenie się zachowań na przykładach. Aktywne uczenie się obejmuje metody, które selekcjonują przykłady do budowania zestawu danych szkoleniowych na potrzeby modelu predykcyjnego. Wszystkie strategie mają na celu wykorzystywanie jak najmniejszego zestawu przykładów i selekcję tych najbardziej informatywnych.

    W czasie projektowania aktywnych algorytmów uczenia się o świecie rzeczywistym, pojawiają się pewne konkretne problemy. Najważniejszymi są skalowalność i wykonalność. Metody muszą być w stanie poradzić sobie z dużymi ilościami danych i potrzebna jest optymalizacja procesu etykietowania nowych przykładów przez eksperta.

    Warsztaty posłużą za forum dla naukowców akademickich i przemysłowych do dyskusji nad nowymi obszarami aktywnego uczenia się i wypełnienia luki między pozyskiwaniem danych lub eksperymentowaniem a budowaniem modeli.

    Za: CORDIS

    Czy wiesz ĹĽe...? (beta)
    Unschooling – forma edukacji, w której uczenie się opiera się na zainteresowaniach, potrzebach i celach ucznia. Można spotkać się też z określeniami: naturalne uczenie się (natural learning), uczenie się prowadzone/kierowane przez dziecko (child-led learning, child-directed learning), uczenie się poprzez odkrywanie (discovery learning), radosne uczenie się (delight-led learning). Uczenie nadzorowane – uczenie maszynowe, które zakłada obecność ludzkiego nadzoru nad tworzeniem funkcji odwzorowującej wejście systemu na jego wyjście. Uczenie nienadzorowane – uczenie maszynowe, które zakłada brak obecności ludzkiego nadzoru nad tworzeniem funkcji odwzorowującej wejście systemu na jego wyjście.

    Wnioskowanie na podstawie przypadków (spotyka się również określenie wnioskowanie na podstawie przykładów) (ang. case-based reasoning) to technika wykorzystująca uczenie maszynowe, która polega na generowaniu rozwiązania dla nowo postawionego zagadnienia poprzez wyszukanie w bazie przypadków gotowych już rozwiązań dla podobnych zagadnień. Inferencją gramatyki nazywamy szczególny przypadek indukcyjnego uczenia się, w którym celem jest stworzenie pewnej gramatyki formalnej na podstawie dostarczonych pozytywnych przykładów słów pewnego języka, oraz przykładów negatywnych. Przykłady pozytywne powinny należeć do języka generowanego przez tę gramatykę, natomiast negatywne nie powinny się w nim znaleźć.

    Uczenie maszynowe albo uczenie się maszyn, systemy uczące się (ang. machine learning) – stosunkowo młoda i szybko rozwijająca się dziedzina wchodząca w skład nauk zajmujących się problematyką SI (patrz sztuczna inteligencja). Hipnopedia - uczenie się w czasie snu; sposób uczenia się oparty na założeniu, że w początkowej fazie snu mózg ludzki jest w stanie odbierać sygnały i magazynować werbalne informacje, które z kolei w ciągu dnia mogą być przedmiotem ponownego uczenia się i szybszego utrwalania. Nocne "lekcje" eksponuje się wiec w okresie od zaśnięcia do zapadnięcia w głęboki sen i przed obudzeniem się, tj.: w okresach "płytkiego" snu. Badania nad hipnopedią znajdują się dopiero w stadium pocztowym.

    Rozpoznawanie wzorców – pole badawcze w obrębie uczenia maszynowego. Może być definiowane jako działanie polegające na pobieraniu surowych danych i podejmowaniu dalszych czynności zależnych od kategorii do której należą te dane. Drzewo decyzyjne – graficzna metoda wspomagania procesu decyzyjnego, stosowana w teorii decyzji. Algorytm drzew decyzyjnych jest również stosowany w uczeniu maszynowym do pozyskiwania wiedzy na podstawie przykładów.

    Grupowanie (analiza skupień) (ang. data clustering) – pojęcie z zakresu eksploracji danych oraz uczenia maszynowego, wywodzące się z szerszego pojęcia, jakim jest klasyfikacja bezwzorcowa.

    Propagacja wsteczna – podstawowy algorytm uczenia nadzorowanego wielowarstwowych, jednokierunkowych sieci neuronowych. Podaje on przepis na zmianę wag dowolnych połączeń elementów przetwarzających rozmieszczonych w sąsiednich warstwach sieci. Oparty jest on na minimalizacji sumy kwadratów błędów uczenia z wykorzystaniem optymalizacyjnej metody największego spadku. Dzięki zastosowaniu specyficznego sposobu propagowania błędów uczenia sieci powstałych na jej wyjściu, tj. przesyłania ich od warstwy wyjściowej do wejściowej, algorytm propagacji wstecznej stał się jednym z najskuteczniejszych algorytmów uczenia sieci.

    Memorandum dotyczące uczenia się przez całe życie – dokument który został wydany przez Komisję Europejską w 2000 roku. Uczenie się przez całe życie zostało zdefiniowane jako: "Wszelkie formy nauki podejmowane przez całe życie, mające na celu doskonalenie, pogłębianie wiedzy, umiejętności i kompetencji z perspektywy osobistej, obywatelskiej, społecznej i/lub zawodowej”. Uczenie się przez całe życie obejmuje doskonalenie umiejętności podstawowych, jak również możliwości kształcenia dla zaawansowanych. Powinno być dostępne dla wszystkich obywateli. Stłuczenie, kontuzja (łac. contusio) – uraz tkanek i stawów okołotkankowych. Do najczęstszych następstw stłuczenia należą: krwawe wylewy i wysięki podskórne, obrzęk oraz częściowe upośledzenie ruchomości stawu objętego stłuczeniem.

    Protokultura – pojęcie określajace wszystko to, co w świecie zwierzęcym jest rezultatem uczenia się oraz pozagenetycznego przekazu informacji; forma zalążkowa kultury rozumianej jako nabywanie informacji, nawyków, wzorów poprzez doświadczenie i uczenie się oraz przekazywanie w drodze przyswajania pozagenetycznego. Korpus - zbiór tekstów służący badaniom lingwistycznym, np. określaniu częstości występowania form wyrazowych, konstrukcji składniowych, kontekstów w jakich pojawiają się dane wyrazy. Korpusy językowe znalazły szerokie zastosowanie we współczesnej leksykografii. Są też wykorzystywane jako zbiory danych uczących i testowych w metodach uczenia maszynowego stosowanych w przetwarzaniu języków naturalnych.

    Dodano: 06.04.2012. 15:26  


    Najnowsze