haku: @keyword mallinvalinta / yhteensä: 5
viite: 4 / 5
Tekijä: | Hanhijärvi, Sami |
Työn nimi: | Methods of Active Learning with Model Selection |
Yhtäaikaisen aktiivisen oppimisen ja mallinvalinnan menetelmiä | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2005 |
Sivut: | (9) + 55 s. + liitt. 6 Kieli: eng |
Koulu/Laitos/Osasto: | Tietotekniikan osasto |
Oppiaine: | Informaatiotekniikka (T-115) |
Valvoja: | Simula, Olli |
Ohjaaja: | Sugiyama, Masashi |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark Aalto 8729 | Arkisto |
Avainsanat: | active learning model selection active learning with model selection generalization error covariate shift aktiivinen oppiminen mallinvalinta yhtäaikainen aktiivinen oppiminen ja mallinvalinta kovarianssisiirtymä |
Tiivistelmä (fin): | Aktiivisessa oppimisessa valitaan syötepisteet siten, että ne ovat optimaalisia yhdelle mallille. Mallinvalinnassa on päinvastaisesti annettu joukko näytteitä, joita käytetään usean mallin opettamiseen. Lopuksi valitaan paras malli. Näiden ongelmien samanaikaista ratkaisemista kutsutaan yhtäaikaisen aktiivisen oppimisen ja mallinvalinnan ongelmaksi, jota ei voi ratkaista yksinkertaisesti yhdistämällä tavanomaisia aktiivisen oppimisen ja mallinvalinnan menetelmiä siten, että kaikki syötepisteet valittaisiin yhdellä kertaa. Tässä diplomityössä ongelma on lievennetty siten, että syötepisteitä valitaan yksi kerrallaan. Muunnetulle ongelmalle esitetään kolme ratkaisumenetelmää, joista ensimmäinen valitsee syötepisteen, jonka arvioidaan tuottavan parhaan tuloksen kaikista syötepisteistä mallista riippumatta. Toisessa menetelmässä valitaan lupaavin malli ja optimoidaan uusi syötepiste valitulle mallille. Nämä menetelmät voivat ylisovittaa syötepisteitä yhdelle mallille, joka myöhemmin havaitaan huonoksi. Tämän ongelman välttämiseksi ehdotetaan myös kolmatta menetelmää, jossa seuraava syötepiste optimoidaan useille hyville malleille. Menetelmät toteutetaan algoritmeiksi, joita, verrataan toisiinsa ja passiiviseen oppimiseen teoreettisten ja numeeristen analyysien avulla. Tulosten perusteella kolmas menetelmä osoittautuu muita paremmaksi. |
ED: | 2006-02-15 |
INSSI tietueen numero: 30605
+ lisää koriin
INSSI