文献

J-GLOBAL ID：201802227476442432   整理番号：18A0438906

透明学習:透明計算に基づくインクリメンタルな機械学習フレームワーク【Powered by NICT】

Transparent Learning: An Incremental Machine Learning Framework Based on Transparent Computing

著者 (5件)： Guo Kehua ,  Liang Zhonghe ,  Shi Ronghua ,  Hu Chao ,  Li Zuoyong
資料名： IEEE Network  (IEEE Network)
巻： 32  号： 1  ページ： 146-151  発行年： 2018年 
JST資料番号： T0135A  ISSN： 0890-8044  資料種別： 逐次刊行物 (A)
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： モノ環境のインターネットでは,様々なクライアントの能力は,ネットワークと知能化の方向で開発されている。知能のそれにデータの収集と表示のみのそれとクライアントの能力を開発するためにどのように重要な課題となっている。近年,機械学習はクライアント知能化における代表的な技術となっており,現在大きな関心を引きつけている。機械学習においては,データ前処理と訓練を含む大量の計算は,実質的な計算資源を必要とするが,軽量クライアントは,通常,強力な計算能力を持っていない。この問題を解決するために,我々はクライアント知能化フレームワークのための透明な計算(TC)の利点を導入し,透明学習(TL)と名付けた増分機械学習フレームワークを提案し,訓練タスクは,軽量クライアントからサーバとエッジ素子にした。訓練後,クライアントに伝達され,追加学習で更新される試験モデル。本研究では,性能を最適化するために訓練集合を分割するために設計されているキャッシュ戦略。性能評価事例として深層学習を選択し,フレームワークの有効性を実証するためにいくつかのTensorFlowベース実験を行った。Copyright 2018 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： *機械学習 ,  ネットワーク ,  キャッシュメモリ ,  *学習 ,  インターネット ,  最適化 ,  性能評価
準シソーラス用語： 深層学習 ,  インクリメンタル学習 ,  軽量 ,  計算資源 ,  データ前処理 ,  知能化 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 学習 ,  計算 ,  機械学習 ,  フレームワーク