抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多くの機械学習アプリケーションは,時間にわたって変化する動的環境において動作し,その中で,モデルは,データにおける最近の傾向を捉えるために絶えず更新しなければならない。しかし,今日の学習フレームワークの殆どは,連続モデル更新のためのシステムサポートなしで訓練オフラインを実行する。本論文では,既存の学習フレームワークを横断した連続モデル更新の実装と展開を流線する汎用プラットフォームである連続体を設計,実装する。高速データ組込みの追求において,著者らは,訓練コスト(機械時間)を考慮せずに,それぞれ,モデル更新を行うとき,賢明に決定する2つの更新政策,コスト意識,およびベストエフォートを提案する。理論解析は,コスト意識政策が2競争力であることを示した。連続体の警察を実施し,EC2展開とトレース駆動シミュレーションを通してその性能を評価した。評価は,連続体が,複数のアプリケーションドメイン,プログラミング言語,およびフレームワークをスパンする多くの一般的なオンライン学習アプリケーションにおいて,データ組み込み待ち時間,低い訓練コスト,および改善されたモデル品質の縮小をもたらすことを示す。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】