文献

J-GLOBAL ID：202002241187874314   整理番号：20A1929060

コストを意識した低待ち時間連続学習のための連続体Aプラットフォーム【JST・京大機械翻訳】

Continuum A Platform for Cost-Aware, Low-Latency Continual Learning

著者 (3件)： Tian Huangshi (HKUST) ,  Yu Minchen (HKUST) ,  Wang Wei (HKUST)
資料名： ACM Proceedings  (ACM Proceedings)
号： SoCC ’18  ページ： 26-40  発行年： 2018年 
JST資料番号： D0698C  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： 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】

シソーラス用語： シミュレーション ,  *学習 ,  プログラミング言語 ,  流線 ,  スパン ,  警察 ,  応用プログラム ,  *待ち時間 ,  連続体 ,  機械学習
準シソーラス用語： オンライン学習 ,  ベストエフォート ,  理論解析 ,  オフライン ,  連続モデル , 【Automatic Indexing@JST】

著者キーワード (3件)： 競争分析 ,  連続学習システム ,  オンラインアルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 意識 ,  待ち時間 ,  学習 ,  連続体 ,  プラットフォーム