Proceedings of ELM 2018 - 9783030233068

Šioje knygoje pateikiami keli atrinkti pranešimai iš Tarptautinės ekstremalaus mokymosi mašinų 2018 m. konferencijos, kuri vyko 2018 m. lapkričio 21–23 d. Singapūre. Ši konferencija suteikė forumą akademikams, tyrėjams ir inžinieriams dalytis ir keistis MTEP patirtimi abiejų teorinių studijų srityje. ir praktiniai ELM technikos ir smegenų mokymosi pritaikymai. Ekstremalių mokymosi mašinų (ELM) tikslas – sudaryti sąlygas visapusiškam mokymuisi ir visapusiškam intelektui. Kaip teigiama ELM teorijose, įdomu matyti mašininio mokymosi ir biologinio mokymosi konvergenciją ilgalaikiu požiūriu. ELM gali būti viena iš pagrindinių mokymosi dalelių, užpildančių spragas tarp mašininio mokymosi ir biologinio mokymosi (kurių aktyvinimo funkcijos net nežinomos). ELM yra (mašininių ir biologinių) mokymosi metodų rinkinys, kuriame paslėptų neuronų nereikia derinti: paveldėti iš savo protėvių arba atsitiktinai sugeneruoti. ELM mokymosi teorijos rodo, kad veiksmingi mokymosi algoritmai gali būti išvesti remiantis atsitiktinai sugeneruotais paslėptais neuronais (biologiniais neuronais, dirbtiniais neuronais, bangelėmis, Furjė eilėmis ir kt.), jei jie yra netiesiniai fragmentiškai ištisiniai, nepriklausomi nuo mokymo duomenų ir taikomosios aplinkos. Vis dažniau neurologijos įrodymai rodo, kad panašūs principai taikomi biologinėse mokymosi sistemose. ELM teorijos ir algoritmai teigia, kad atsitiktiniai paslėpti neuronai užfiksuoja esminį biologinio mokymosi mechanizmų aspektą, taip pat intuityvų jausmą, kad biologinio mokymosi efektyvumas neturi priklausyti nuo neuronų skaičiavimo galios. Taigi ELM teorijos nurodo galimas priežastis, kodėl smegenys yra protingesnės ir efektyvesnės nei dabartiniai kompiuteriai. Pagrindinė ELM2018 tema yra hierarchinis ELM, AI for IoT, mašininio mokymosi sinergija ir biologinis mokymasis. Ši knyga apima ELM teorijas, algoritmus ir taikymą. Tai suteikia skaitytojams galimybę pažvelgti į naujausius ELM pasiekimus.