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。
従来の機械学習(ML)は,機械学習専門家からの手動設計に大きく依存し,学習タスク,データ,モデル,最適化アルゴリズム,および評価メトリックを決定し,それは労働集約的で,時間がかかり,人間のような自律的に学習できない。教育科学では,人間の学習者が学習タスクと手のガイダンスを要求せずに自分自身に関する材料を選択する自己指向学習は,受動教師誘導学習よりも効果的であることが示されている。自己指向人間学習の概念に触発されて,著者らは自己指向マシン学習(SDML)の主要な概念を導入し,SDMLのためのフレームワークを提案した。特に,内部意識と外部認識を含む自己意識により導かれる自己指向学習プロセスとしてSDMLを設計した。著者らの提案したSDMLプロセスは,自己タスク選択,自己データ選択,自己モデル選択,自己最適化戦略選択,および人間誘導のない自己意識による自己評価メトリック選択から利益を得る。一方,SDMLプロセスの学習性能は,自己意識をさらに改善するフィードバックとして機能する。マルチレベル最適化に基づくSDMLの数学的定式化を提案した。さらに,SDMLの潜在的応用とともに事例研究を示し,将来の研究方向を論じた。著者らは,SDMLが人間のような自己指向学習を実行でき,人工一般知能に対する新しい展望を提供できることを期待する。【JST・京大機械翻訳】