검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Performance Evaluation of Online Machine Learning Models Based on Cyclic Dynamic and Feature-Adaptive Time Series 순환 동적 및 기능 적응형 시계열 기반 온라인 기계 학습 모델의 성능 평가

Ahmed Salih AL-KHALEEFA, Rosilah HASSAN, Mohd Riduan AHMAD, Faizan QAMAR, Zheng WEN, Azana Hafizah MOHD AMAN, Keping YU

  • 조회수

    0

  • 이것을 인용

요약 :

기계 학습은 실제 문제를 해결하는 데 있어 입증된 효율성과 성능으로 인해 컴퓨팅 지능 분야의 연구원 및 산업 기업에게 매력적인 주제가 되고 있습니다. 그러나 정확한 검색, 지능형 발견, 지능형 학습과 같은 몇 가지 과제를 해결해야 합니다. 가장 중요한 과제 중 하나는 온라인 학습 및 운영 중에 다양한 기계 학습 모델의 불안정한 성능입니다. 온라인 학습은 새로운 정보가 제공될 때 체계를 재교육하지 않고 정보를 현대화하는 기계 학습 모델의 기능입니다. 이 문제를 해결하기 위해 우리는 OSELM(Online Sequential Extreme Learning Machine), FA-OSELM(Feature Adaptive OSELM), KP-OSELM(Knowledge Preserving OSELM) 및 Infinite Term Memory OSELM( ITM-OSELM). 구체적으로, 모델의 위상적, 수학적 측면에서 다양한 요소를 고려하여 프레임워크를 구축하고 다양한 평가 시나리오를 구성함으로써 모델에 대한 테스트베드를 제공합니다. 또한 학습할 시계열의 다양한 특성을 생성합니다. 결과는 테스트된 매개변수와 시나리오가 모델에 미치는 실제 영향을 입증합니다. 정확도 측면에서 KP-OSELM 및 ITM-OSELM은 OSELM 및 FA-OSELM보다 우수합니다. 활성 기능 감소 비율과 관련된 시간 효율성 측면에서 ITM-OSELM은 KP-OSELM보다 우수합니다.

발행
IEICE TRANSACTIONS on Information Vol.E104-D No.8 pp.1172-1184
발행일
2021/08/01
공개일
2021/05/14
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2020BDP0002
원고의 종류
Special Section PAPER (Special Section on Computational Intelligence and Big Data for Scientific and Technological Resources and Services)
범주

작성자

Ahmed Salih AL-KHALEEFA
  Imam Jafar Al-Sadiq University
Rosilah HASSAN
  Universiti Kebangsaan Malaysia (UKM)
Mohd Riduan AHMAD
  Universiti Teknikal Malaysia Melaka (UTeM)
Faizan QAMAR
  Universiti Kebangsaan Malaysia (UKM)
Zheng WEN
  Waseda University
Azana Hafizah MOHD AMAN
  Universiti Kebangsaan Malaysia (UKM)
Keping YU
  Waseda University

키워드