Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "incremental learning" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Parallel PBIL applied to power system controller design
    Autorzy:
    Folly, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/91747.pdf
    Data publikacji:
    2013
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    Population-Based Incremental Learning algorithm
    PBIL algorithm
    Opis:
    Population-Based Incremental Learning (PBIL) algorithm is a combination of evolutionary optimization and competitive learning derived from artificial neural networks. PBIL has recently received increasing attention in various engineering fields due to its effectiveness, easy implementation and robustness. Despite these strengths, it was reported in the last few years that PBIL suffers from issues of loss of diversity in the population. To deal with this shortcoming, this paper uses parallel PBIL based on multi-population. In parallel PBIL, two populations are used where both probability vectors (PVs) are initialized to 0.5. It is believed that by introducing two populations, the diversity in the population can be increased and better results can be obtained. The approach is applied to power system controller design. Simulations results show that the parallel PBIL approach performs better than the standard PBIL and is as effective as another diversity increasing PBIL called adaptive PBIL.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2013, 3, 3; 215-223
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Semi-supervised approach to handle sudden concept drift in Enron data
    Autorzy:
    Kmieciak, M. R.
    Stefanowski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/206052.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    concept drift
    incremental learning of classifiers
    email foldering
    Enron data
    Opis:
    Detection of concept changes in incremental learning from data streams and classifier adaptation is studied in this paper. It is often assumed that all processed learning examples are always labeled, i.e. the class label is available for each example. As it may be difficult to satisfy this assumption in practice, in particular in case of data streams, we introduce an approach that detects concept drift in unlabeled data and retrains the classifier using a limited number of additionally labeled examples. The usefulness of this partly supervised approach is evaluated in the experimental study with the Enron data. This real life data set concerns classification of user's emails to multiple folders. Firstly, we show that the Enron data are characterized by frequent sudden changes of concepts. We also demonstrate that our approach can precisely detect these changes. Results of the next comparative study demonstrate that our approach leads to the classification accuracy comparable to two fully supervised methods: the periodic retraining of the classifier based on windowing and the trigger approach with the DDM supervised drift detection. However, our approach reduces the number of examples to be labeled. Furthermore, it requires less updates of retraining classifiers than windowing.
    Źródło:
    Control and Cybernetics; 2011, 40, 3; 667-695
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Beta neuro-fuzzy systems
    Autorzy:
    Alimi, A. M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1931568.pdf
    Data publikacji:
    2003
    Wydawca:
    Politechnika Gdańska
    Tematy:
    beta function
    kernel based neural networks
    Sugeno fuzzy model
    neuro-fuzzy systems
    universal approximation property
    learning algorithms
    incremental learning
    Opis:
    In this paper we present the Beta function and its main properties. A key feature of the Beta function, which is given by the central-limit theorem, is also given. We then introduce a new category of neural networks based on a new kernel: the Beta function. Next, we investigate the use of Beta fuzzy basis functions for the design of fuzzy logic systems. The functional equivalence between Beta-based function neural networks and Beta fuzzy logic systems is then shown with the introduction of Beta neuro-fuzzy systems. By using the SW theorem and expanding the output of the Beta neuro-fuzzy system into a series of Beta fuzzy-based functions, we prove that one can uniformly approximate any real continuous function on a compact set to any arbitrary accuracy. Finally, a learning algorithm of the Beta neuro-fuzzy system is described and illustrated with numerical examples.
    Źródło:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2003, 7, 1; 23-41
    1428-6394
    Pojawia się w:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Probabilistic model-building algorithms as tool to find optimum of a function
    Algorytmy z modelem probabilistycznym jako narzędzie optymalizacji funkcji
    Autorzy:
    Reichel, A.
    Nowak, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/87296.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    algorytm PBIL
    algorytm cGA
    metody heurystyczne
    optymalizacja
    population-based incremental learning
    compact genetic algorithm
    heuristic methods
    optimization
    Opis:
    The aim of this paper is to present the probabilistic modelbuilding heuristics which is a modification of an evolutionary algorithm. the Probabilistic-Based Incremental Learning (PBIL) and the compact Genetic Algorithm (cGA) is presented as a example of the probabilistic model building algorithms dedicated to the binary problems. Both heuristics are tested on three functions that allow to investigate the advantages, disadvantages and limitations of methods under consideration.
    Celem niniejszego artykułu jest przedstawienie heurystyk wieloagentowych wykorzystujących model probabilistyczny. W artykule omówiono dwie metody: the Probabilistic-Based Incremental Learning (PBIL) oraz the compact Genetic Algorithm (cGA), będące przykładami heurystyk z modelem probabilistycznym. Obie metody są przeznaczone do rozwiązywania problemów binarnych. W ramach pracy metody te testowano na trzech funkcjach zdefiniowanych w przestrzeni ciągów binarnych. Testy miały zbadać zalety, wady oraz ograniczenia obu prezentowanych heurystyk populacyjnych.
    Źródło:
    Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska; 2015, 5; 79-97
    2084-073X
    Pojawia się w:
    Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Epokowo-inkrementacyjny algorytm uczenia się ze wzmocnieniem wykorzystujący kryterium średniego wzmocnienia
    The epoch-incremental reinforcement learning algorithm based on the average reward
    Autorzy:
    Zajdel, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/152882.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    uczenie się ze wzmocnieniem
    R-learning
    algorytm epokowo-inkrementacyjny
    average reward reinforcement learning
    epoch-incremental reinforcement learning
    Opis:
    W artykule zaproponowano nowy, epokowo – inkrementacyjny algorytm uczenia się ze wzmocnieniem. Główną ideą tego algorytmu jest przeprowadzenie w trybie epokowym dodatkowych aktualizacji strategii w oparciu o odległości aktywnych w przeszłości stanów od stanu terminalnego. Zaproponowany algorytm oraz algorytmy R(0)-learning, R(λ)-learning, Dyna-R oraz prioritized sweeping-R zastosowano do sterowania modelem samochodu górskiego oraz modelem kulki umieszczonej na balansującej belce.
    The application of the average reward reinforcement learning algorithms in the control were described in this paper. Moreover, new epoch-incremental reinforcement learning algorithm (EIR(0)-learning for short) was proposed. In this algorithm, the basic R(0)-learning algorithm was implemented in the incremental mode and the environment model was created. In the epoch mode, on the basis of the model, the distances of past active states to the terminal state were determined. These distances were then used in the update strategy. The proposed algorithm was applied to mountain car (Fig. 4) and ball-beam (Fig. 5) models. The proposed EIR(0)-learning was empirically compared to R(0)-learning [4, 6], R(λ)-learning and model based algorithms: Dyna-R and prioritized sweeping-R [11]. In the case of ball-beam system, EIR(0)-learning algorithm reached the stable control strategy after the smallest number of trials (Tab. 1, column 2). For the mountain car system, the number of trials was smaller than in the case of R(0)-learning and R(λ)-learning algorithms, but greater than for Dyna-R and prioritized sweeping-R. It is worth to pay attention to the fact that the execution times of Dyna-R and prioritized sweeping-R algorithms in the incremental mode were respectively 5 and 50 times longer than for proposed EIR(0)-learning algorithm (Tab. 2, column 3). The main conclusion of this work is that the epoch – incremental learning algorithm provided the stable control strategy in relatively small number of trials and in short time of single iteration.
    Źródło:
    Pomiary Automatyka Kontrola; 2013, R. 59, nr 7, 7; 700-703
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Epoch-incremental reinforcement learning algorithms
    Autorzy:
    Zajdel, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/330530.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    reinforcement learning
    epoch incremental algorithm
    grid world
    uczenie ze wzmocnieniem
    algorytm przyrostowy
    Opis:
    In this article, a new class of the epoch-incremental reinforcement learning algorithm is proposed. In the incremental mode, the fundamental TD(0) or TD(λ) algorithm is performed and an environment model is created. In the epoch mode, on the basis of the environment model, the distances of past-active states to the terminal state are computed. These distances and the reinforcement terminal state signal are used to improve the agent policy.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2013, 23, 3; 623-635
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies