• Artykuły
  • Forum
  • Ciekawostki
  • Encyklopedia
  • Wielka nauka - algorytmy, systemy i narzędzia do skalowalnego uczenia się, Sierra Nevada, Hiszpania

    07.11.2011. 16:26
    opublikowane przez: Redakcja Naukowy.pl

    W dniach 16 - 17 grudnia 2011 r. w Sierra Nevada, Hiszpania, odbędzie się wydarzenie pt. "Wielka nauka - algorytmy, systemy i narzędzia do skalowalnego uczenia się".

    Wydarzenie poświęcone będzie tematom dotyczącym narzędzi, algorytmów, systemów, sprzętu i problemów rzeczywistych powiązanych z uczeniem maszynowym w dużej skali. Uczenie maszynowe zajmuje się opracowywaniem algorytmów pozwalających maszynie uczyć się poprzez indukcyjną inferencję. Polega to na obserwowaniu danych, które reprezentują niekompletne informacje o zjawisku statystycznym i generalizowanie ich, aby prognozować brakujące atrybuty lub przyszłe dane.

    Warsztaty zgromadzą ekspertów z tak zróżnicowanych dziedzin jak uczenie maszynowe, bazy danych, systemy równoległe i rozproszone, architektury równoległe oraz języki programowania i abstrakcje. Program wydarzenia przewiduje następujące tematy:
    - uczenie przyspieszone sprzętowo;
    - zastosowania "wielkiej nauki";
    - narzędzia, oprogramowanie i systemy;
    - modele i algorytmy.

    Za: CORDIS

    Czy wiesz ĹĽe...? (beta)
    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). Narzędzia wnękowe - są to narzędzia kamienne formowane retuszem wnękowym. Narzędzia tego typu mogą posiadać od jednej do kilku wnęk co jest podstawą dla typologii tych narzędzi. 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. e-zdrowie- narzędzia lub rozwiązania obejmujące produkty, systemy i usługi wychodzące poza zakres prostych aplikacji internetowych. Wiążą się one z narzędziami dla organów i pracowników służby zdrowia oraz dostosowane do indywidualnych potrzeb systemy opieki zdrowotnej dla pacjentów i obywateli. Są to na przykład sieci informacji o zdrowiu, elektroniczne książeczki zdrowia, usługi świadczone w ramach opieki telemedycznej, osobiste przenośne systemy komunikacji, portale poświęcone zdrowiu oraz wiele innych narzędzi na bazie technologii informacyjno-komunikacyjnych, pomagających zapobiegać, diagnozować i leczyć choroby, monitorować stan zdrowia, prowadzić odpowiedni tryb życia.

    Narzędzia kombinowane - narzędzia kamienne, w których na jednym półsurowcu wykonane są dwa narzędzia należące do tej samej grupy typologicznej np. drapacz + rylec itp. Narzędzia zębate - są to narzędzia kamienne wykonywane retuszem wnękowym można wyróżnić narzędzia zębate podłużne, pojedyncze i podwójne czyli transwersalne.

    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. Wskaz – znak na urządzeniu wskazującym narzędzia pomiarowego odpowiadający określonym wartościom wielkości mierzonej przez to narzędzie.

    Narzędzia do modelowania w UML (Unified Modeling Language – ujednoliconym języku modelowania) – oprogramowanie, które pozwala tworzyć modele pomocne przy programowaniu, ale także analizie procesów biznesowych. Narzędzia podzielono na wolne/otwarte i zamknięte (komercyjne).

    Wnęka - sztuczne zaklęśnięcie w boku narzędzia krzemiennego. Narzędzia z wnęką są spotykane w wielu kulturach archeologicznych. Narzędzia z wnęką mogły być stosowane do obróbki drewna i kości oraz być pomocne w przymocowaniu do rękojeści.

    Elektronarzędzia są to narzędzia zasilane prądem elektrycznym, najczęściej o napięciu 230 V. Ułatwiają prace, których wykonywanie narzędziami ręcznymi byłoby uciążliwe, czasochłonne lub niewygodne. Pojęcie rynku elektronicznego (w skrócie ER, ang. electronic market), zwanego również rynkiem wirtualnym, powstało w latach 80. w pracach grupy badawczej z Massachusetts Institute of Technology. W literaturze brak jest ogólnej i powszechnie akceptowalnej definicji elektronicznego rynku. Wielu autorów tworzy zwykle ad hoc określenia, ukierunkowane jedynie na specyficzne zagadnienia. W pewnym stopniu wspomaganie i automatyzacja działalności rynkowej przez systemy informatyczno-telekomunikacyjne są utożsamiane z pojęciem rynku elektronicznego. Twierdzi się tak dlatego, iż w przyszłości wiele konwencjonalnych rynków będzie przekształcanych w ER, a także tworzonych będzie wiele nowych ER. Wielu autorów definiuje ER jako systemy sprzętu i oprogramowania komputerów (systemy rozproszone), u których podstaw leży koncepcja elektronicznej wymiany dokumentacji.

    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. Metrologia historyczna – nauka o stosowanych w przeszłości systemach miar i wag. Przedmiotem metrologii są zarówno jednostki miar, jak i systemy mierzenia (oraz narzędzia, sposoby mierzenia itd.).

    Narzędzia rolnicze – specjalne urządzenia techniczne (narzędzie) używane w rolnictwie w celu ułatwienia lub mechanizacji procesu produkcji rolnej. Elementy robocze tych narzędzi mogą w trakcie pracy pozostawać nieruchome lub dzięki oporowi stwarzanemu przez podłoże w trakcie ich pracy mogą obracać się wokół osi, np. brona talerzowa. 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.

    Dodano: 07.11.2011. 16:26  


    Najnowsze