Meta-Learning in Computational Intelligence - 9783642209796

Społeczność Computational Intelligence (CI) opracowała setki algorytmów do inteligentnej analizy danych, ale wciąż wiele trudnych problemów z zakresu widzenia komputerowego, przetwarzania sygnałów czy rozumienia tekstu i multimediów, a więc problemów wymagających technik głębokiego uczenia się, pozostaje otwartych. Nowoczesne pakiety do eksploracji danych zawierają liczne moduły do gromadzenia danych, wstępnego przetwarzania, wyboru i konstruowania cech, wyboru instancji, klasyfikacji, metod asocjacji i aproksymacji, technik optymalizacji, odkrywania wzorców, klastryzacji, wizualizacji i przetwarzania końcowego. Duży pakiet eksploracji danych umożliwia łączenie tych modułów na miliardy sposobów. Żaden ludzki ekspert nie może twierdzić, że zbadał i zrozumiał wszystkie możliwości w procesie odkrywania wiedzy. Tutaj na ratunek przychodzą algorytmy, które uczą się, jak się uczyć. Algorytmy te, operując w przestrzeni wszelkich dostępnych przekształceń danych i technik optymalizacji, wykorzystują metawiedzę o procesach uczenia się, automatycznie wydobywaną z doświadczenia w rozwiązywaniu różnorodnych problemów. Wnioski na temat transformacji przydatnych w różnych kontekstach pomagają konstruować algorytmy uczenia się, które mogą odkryć różne aspekty wiedzy ukrytej w danych. Meta-uczenie się przesuwa punkt ciężkości całej dziedziny CI z indywidualnych algorytmów uczenia się na wyższy poziom uczenia się, jak się uczyć. Książka ta definiuje i ujawnia nowe teoretyczne i praktyczne trendy w metanauczaniu, inspirując czytelników do dalszych badań w tej ekscytującej dziedzinie.