В інформатиці покро́кове навча́ння (англ. incremental learning) — це метод машинного навчання, в якому дані входу неперервно використовують для розширення знань наявної моделі, тобто, для подальшого тренування моделі. Він являє собою динамічну методику керованого та некерованого навчання, яку можливо застосовувати, коли тренувальні дані стають доступними поступово з плином часу, або їхній розмір виходить за межі системної пам'яті. Алгоритми, які можуть сприяти покроковому навчанню, відомі як алгоритми покрокового машинного навчання (англ. incremental machine learning algorithms).
Багато традиційних алгоритмів машинного навчання за своєю суттю підтримують покрокове навчання. Інші алгоритми можливо пристосувати для сприяння покроковому навчанню. До прикладів покрокових алгоритмів належать дерева рішень (IDE4, ID5R та gaenari), правила рішень, штучні нейронні мережі (мережі РБФ, Learn++, Fuzzy ARTMAP, TopoART та IGNG) та покрокові ОВМ.
Мета покрокового навчання — пристосовування навчаної моделі до нових даних без забування своїх наявних знань. Деякі системи покрокового навчання мають вбудований певний параметр або припущення, які контролюють релевантність старих даних, тоді як інші, які називають алгоритмами стабільного покрокового машинного навчання, навчаються подання тренувальних даних, які з часом не забуваються навіть частково. Двома прикладами цього другого підходу є Fuzzy ART та TopoART.
Покрокові алгоритми часто застосовують до потоків даних та великих даних, розв'язуючи нюанси доступності даних та дефіциту ресурсів відповідно. Передбачування біржових тенденцій та профілювання користувачів — приклади потоків даних, у яких нові дані стають доступними постійно. Застосування покрокового навчання до великих даних спрямоване на швидше класифікування та прогнозування.
Примітки
- Schlimmer, J. C., & Fisher, D. A case study of incremental concept induction. Fifth National Conference on Artificial Intelligence, 496-501. Philadelphia, 1986 (англ.)
- Utgoff, P. E., Incremental induction of decision trees. Machine Learning, 4(2): 161-186, 1989 (англ.)
- Ferrer-Troyano, Francisco, Jesus S. Aguilar-Ruiz, and Jose C. Riquelme. Incremental rule learning based on example nearness from numerical data streams. Proceedings of the 2005 ACM symposium on Applied computing. ACM, 2005 (англ.)
- Bruzzone, Lorenzo, and D. Fernàndez Prieto. An incremental-learning neural network for the classification of remote-sensing images. Pattern Recognition Letters: 1241-1248, 1999 (англ.)
- R. Polikar, L. Udpa, S. Udpa, V. Honavar. Learn++: An incremental learning algorithm for supervised neural networks. IEEE Transactions on Systems, Man, and Cybernetics. Rowan University USA, 2001. (англ.)
- G. Carpenter, S. Grossberg, N. Markuzon, J. Reynolds, D. Rosen. Fuzzy ARTMAP: a neural network architecture for incremental supervised learning of analog multidimensional maps. IEEE transactions on neural networks, 1992 (англ.)
- Marko Tscherepanow, Marco Kortkamp, and Marc Kammer. A Hierarchical ART Network for the Stable Incremental Learning of Topological Structures and Associations from Noisy Data [ 2017-08-10 у Wayback Machine.]. Neural Networks, 24(8): 906-916, 2011 (англ.)
- Jean-Charles Lamirel, Zied Boulila, Maha Ghribi, and Pascal Cuxac. A New Incremental Growing Neural Gas Algorithm Based on Clusters Labeling Maximization: Application to Clustering of Heterogeneous Textual Data. IEA/AIE 2010: Trends in Applied Intelligent Systems, 139-148, 2010 (англ.)
- Diehl, Christopher P., and Gert Cauwenberghs. SVM incremental learning, adaptation and optimization [ 2017-12-15 у Wayback Machine.]. Neural Networks, 2003. Proceedings of the International Joint Conference on. Vol. 4. IEEE, 2003. (англ.)
- Carpenter, G.A., Grossberg, S., & Rosen, D.B., Fuzzy ART: Fast stable learning and categorization of analog patterns by an adaptive resonance system, Neural Networks, 4(6): 759-771, 1991 (англ.)
Посилання
- charleslparker (12 березня 2013). Brief Introduction to Streaming data and Incremental Algorithms. BigML Blog (англ.).
- Gepperth, Alexander; Hammer, Barbara (2016). Incremental learning algorithms and applications (PDF). (англ.). с. 357—368.
- LibTopoART: програмна бібліотека для завдань покрокового навчання
- . Архів оригіналу за 3 серпня 2019.
- gaenari: алгоритм C++ покрокових дерев рішень
- результати пошуку на youtube покрокового навчання (англ.)
Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет
V informatici pokro kove navcha nnya angl incremental learning ce metod mashinnogo navchannya v yakomu dani vhodu neperervno vikoristovuyut dlya rozshirennya znan nayavnoyi modeli tobto dlya podalshogo trenuvannya modeli Vin yavlyaye soboyu dinamichnu metodiku kerovanogo ta nekerovanogo navchannya yaku mozhlivo zastosovuvati koli trenuvalni dani stayut dostupnimi postupovo z plinom chasu abo yihnij rozmir vihodit za mezhi sistemnoyi pam yati Algoritmi yaki mozhut spriyati pokrokovomu navchannyu vidomi yak algoritmi pokrokovogo mashinnogo navchannya angl incremental machine learning algorithms Bagato tradicijnih algoritmiv mashinnogo navchannya za svoyeyu suttyu pidtrimuyut pokrokove navchannya Inshi algoritmi mozhlivo pristosuvati dlya spriyannya pokrokovomu navchannyu Do prikladiv pokrokovih algoritmiv nalezhat dereva rishen IDE4 ID5R ta gaenari pravila rishen shtuchni nejronni merezhi merezhi RBF Learn Fuzzy ARTMAP TopoART ta IGNG ta pokrokovi OVM Meta pokrokovogo navchannya pristosovuvannya navchanoyi modeli do novih danih bez zabuvannya svoyih nayavnih znan Deyaki sistemi pokrokovogo navchannya mayut vbudovanij pevnij parametr abo pripushennya yaki kontrolyuyut relevantnist starih danih todi yak inshi yaki nazivayut algoritmami stabilnogo pokrokovogo mashinnogo navchannya navchayutsya podannya trenuvalnih danih yaki z chasom ne zabuvayutsya navit chastkovo Dvoma prikladami cogo drugogo pidhodu ye Fuzzy ART ta TopoART Pokrokovi algoritmi chasto zastosovuyut do potokiv danih ta velikih danih rozv yazuyuchi nyuansi dostupnosti danih ta deficitu resursiv vidpovidno Peredbachuvannya birzhovih tendencij ta profilyuvannya koristuvachiv prikladi potokiv danih u yakih novi dani stayut dostupnimi postijno Zastosuvannya pokrokovogo navchannya do velikih danih spryamovane na shvidshe klasifikuvannya ta prognozuvannya PrimitkiSchlimmer J C amp Fisher D A case study of incremental concept induction Fifth National Conference on Artificial Intelligence 496 501 Philadelphia 1986 angl Utgoff P E Incremental induction of decision trees Machine Learning 4 2 161 186 1989 angl Ferrer Troyano Francisco Jesus S Aguilar Ruiz and Jose C Riquelme Incremental rule learning based on example nearness from numerical data streams Proceedings of the 2005 ACM symposium on Applied computing ACM 2005 angl Bruzzone Lorenzo and D Fernandez Prieto An incremental learning neural network for the classification of remote sensing images Pattern Recognition Letters 1241 1248 1999 angl R Polikar L Udpa S Udpa V Honavar Learn An incremental learning algorithm for supervised neural networks IEEE Transactions on Systems Man and Cybernetics Rowan University USA 2001 angl G Carpenter S Grossberg N Markuzon J Reynolds D Rosen Fuzzy ARTMAP a neural network architecture for incremental supervised learning of analog multidimensional maps IEEE transactions on neural networks 1992 angl Marko Tscherepanow Marco Kortkamp and Marc Kammer A Hierarchical ART Network for the Stable Incremental Learning of Topological Structures and Associations from Noisy Data 2017 08 10 u Wayback Machine Neural Networks 24 8 906 916 2011 angl Jean Charles Lamirel Zied Boulila Maha Ghribi and Pascal Cuxac A New Incremental Growing Neural Gas Algorithm Based on Clusters Labeling Maximization Application to Clustering of Heterogeneous Textual Data IEA AIE 2010 Trends in Applied Intelligent Systems 139 148 2010 angl Diehl Christopher P and Gert Cauwenberghs SVM incremental learning adaptation and optimization 2017 12 15 u Wayback Machine Neural Networks 2003 Proceedings of the International Joint Conference on Vol 4 IEEE 2003 angl Carpenter G A Grossberg S amp Rosen D B Fuzzy ART Fast stable learning and categorization of analog patterns by an adaptive resonance system Neural Networks 4 6 759 771 1991 angl Posilannyacharleslparker 12 bereznya 2013 Brief Introduction to Streaming data and Incremental Algorithms BigML Blog angl Gepperth Alexander Hammer Barbara 2016 Incremental learning algorithms and applications PDF angl s 357 368 LibTopoART programna biblioteka dlya zavdan pokrokovogo navchannya Arhiv originalu za 3 serpnya 2019 gaenari algoritm C pokrokovih derev rishen rezultati poshuku na youtube pokrokovogo navchannya angl