文献

J-GLOBAL ID：201702289225922823   整理番号：17A1257451

情報とそれをいつ放棄するか知る【Powered by NICT】

Information and knowing when to forget it

著者 (2件)： Sharma Rohit (School of Computer Science, University of St Andrews, St Andrews KY16 9SX, Fife, Scotland United Kingdom) ,  Arandjelovic Ognjen (School of Computer Science, University of St Andrews, St Andrews KY16 9SX, Fife, Scotland United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 3184-3190  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,逐次予測に基づく機械学習アルゴリズムに忘却機構を組み込むためのいくつかの新しいアプローチを提案した。本研究の広い前提,ヒト脳の開発に関する神経学研究に由来する最近の知見により部分的に支持され,動機,知識獲得と忘却が補完的プロセスであり,学習は,(おそらくunintuitively)も後者から利益を得ることができることである。忘却は意図と駆動方法で実行されたなら,情報廃棄から得られる多くの利点であることを示した。ここで提案したフレームワークは一般的なものであり,選択のベースライン予測因子で用いることができる。この意味ではメタアルゴリズムとして最も良く記述される。述べた方法は,モデルの適応性を増加させる一連のステップにより開発した,データ駆動であった。まず受動的忘却と名づけた弱適応忘却プロセスを検討した。完全適応フレームワーク,アクティブ忘却と名づけたは,モデルパラメータが急激に徐々に更新よりもなければならない場合には,文脈変化を検出し,統計的にインフォームドチョイスをモニタリング,自己認識モジュールを持つ受動的忘却プロセスを包むにより開発した。提案した向きメタフレームワークの有効性は主要な実際的な重要性の課題に関する二種の実世界データセットで実証した:通貨交換率と日気温を予測する。両タスクについて筆者らのアプローチが非常に効果的であることが示され,予測誤差を低減するほぼ40%であった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 予測誤差 ,  *知識獲得 ,  適応性 ,  学習アルゴリズム ,  ヒト ,  気温 ,  基準線
準シソーラス用語： 自己認識 ,  インフォームド・チョイス ,  モデルパラメータ ,  データ駆動 ,  予測因子 ,  廃棄 ,  神経学 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)