Meta-Learning in Computational Intelligence - 9783642209796

Kompiuterinio intelekto (CI) bendruomenė sukūrė šimtus intelektualios duomenų analizės algoritmų, tačiau vis dar yra daug sudėtingų kompiuterinio matymo, signalų apdorojimo ar teksto ir daugialypės terpės supratimo problemų, problemų, kurioms reikia gilaus mokymosi metodų. Šiuolaikiniuose duomenų gavybos paketuose yra daug modulių, skirtų duomenų gavimui, išankstiniam apdorojimui, funkcijų pasirinkimui ir konstravimui, egzempliorių pasirinkimui, klasifikavimui, susiejimo ir aproksimavimo metodams, optimizavimo technikoms, modelių atradimui, klasterizavimui, vizualizacijai ir tolesniam apdorojimui. Didelis duomenų gavybos paketas leidžia milijardus būdų, kuriais šiuos modulius galima sujungti. Nė vienas žmogaus ekspertas negali teigti, kad tyrinėja ir supranta visas žinių atradimo proceso galimybes. Čia gelbsti algoritmai, kurie mokosi mokytis. Veikdami visų turimų duomenų transformacijų ir optimizavimo metodų erdvėje, šie algoritmai naudoja meta-žinias apie mokymosi procesus, automatiškai išgaunamas iš įvairių problemų sprendimo patirties. Skirtinguose kontekstuose naudingos išvados apie transformacijas padeda sukurti mokymosi algoritmus, kurie gali atskleisti įvairius duomenų slypinčių žinių aspektus. Meta-mokymasis perkelia visos CI srities dėmesį nuo individualių mokymosi algoritmų į aukštesnį mokymosi mokytis lygį. Šioje knygoje apibrėžiamos ir atskleidžiamos naujos teorinės ir praktinės meta-mokymosi tendencijos, įkvepiančios skaitytojus tolesniems šios įdomios srities tyrimams.