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。
概念ドリフトは,データの根底にある特性において,突然または徐々に変化するが,自律システムにおける時間にわたって,高性能学習モデルを維持するための最も一般的な課題の1つである。概念ドリフトの面において,古いモデルが概念ドリフトにもかかわらず新しいデータを十分代表していると期待でき,1つは古いデータを捨てることができ,また,(しばしば限られた)新しいデータで新しいモデルを再訓練し,あるいは,1つは古いデータを更新したモデルを作成するために,古いデータを結合するために移動学習法を利用することができる。これら3つのオプションのどれかは,近項決定だけでなく,将来の移動または再訓練のニーズにも影響を与える。本論文では,逐次意思決定問題として概念ドリフトに対する応答をモデル化し,Markov決定プロセスとして形式的に構成する。問題に対する著者らの強化学習アプローチは,1つの合成および2つの実世界データセットに対して有望な結果を示した。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】