Sineglazov V. M. Semi-controlled learning in information processing problems = Напівкероване навчання в задачах обробки інформації / V. M. Sineglazov, O. I. Chumachenko, E. V. Heilyk // Electronics and Control Systems. - 2021. - № 4. - С. 37-43. - Бібліогр.: 14 назв. - англ.Обгрунтовано необхідність подальшого дослідження відомих методів та розробки нових методів машинного навчання - напівкерованого навчання. Показано, що знання щільності розподілу ймовірностей вихідних даних, одержаних з використанням немаркованих даних, має нести інформацію, корисну для одержання умовної щільності розподілу ймовірностей міток і вхідних даних. Якщо це не так, напівкероване навчання не забезпечить жодних покращань у порівнянні з контрольованим навчанням. Може навіть статися так, що використання немаркованих даних зменшить точність передбачення. Щоб напівкероване навчання працювало, мають виконуватися певні припущення, а саме: напівкероване припущення гладкості, припущення кластеризації (поділ із низькою щільністю) і припущення різноманіття. Розроблено новий гібридний алгоритм напівкерованого навчання з використанням методу поширення мітки. Наведено приклад використання запропонованого алгоритму. Індекс рубрикатора НБУВ: З810.4
Рубрики:
Шифр НБУВ: Ж72727 Пошук видання у каталогах НБУВ Повний текст Наукова періодика України
Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"
|