search query: @keyword kovarianssisiirtymä / total: 1
reference: 1 / 1
« previous | next »
Author: | Hanhijärvi, Sami |
Title: | Methods of Active Learning with Model Selection |
Yhtäaikaisen aktiivisen oppimisen ja mallinvalinnan menetelmiä | |
Publication type: | Master's thesis |
Publication year: | 2005 |
Pages: | (9) + 55 s. + liitt. 6 Language: eng |
Department/School: | Tietotekniikan osasto |
Main subject: | Informaatiotekniikka (T-115) |
Supervisor: | Simula, Olli |
Instructor: | Sugiyama, Masashi |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark Aalto 8729 | Archive |
Keywords: | active learning model selection active learning with model selection generalization error covariate shift aktiivinen oppiminen mallinvalinta yhtäaikainen aktiivinen oppiminen ja mallinvalinta kovarianssisiirtymä |
Abstract (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 record number: 30605
+ add basket
« previous | next »
INSSI