¿Cuáles son buenas referencias para entender el aprendizaje en línea?


10

Específicamente, solicito recursos para aprender sobre los sistemas de aprendizaje automático que pueden actualizar sus respectivas redes de creencias (o equivalentes) durante la operación. Incluso me he encontrado con algunos, aunque no pude marcarlos.

Como puede imaginar, es un tema bastante desafiante para buscar en Internet.


Al pedir a los usuarios que contribuyan a una lista de respuestas, la pregunta debe marcarse como wiki de la comunidad . He convertido esta pregunta.
Robert Cartaino

Respuestas:


11

La mayoría de los algoritmos de aprendizaje en línea provienen de al menos uno de estos linajes:

  • el perceptrón

    Los perceptrones de última generación son el algoritmo pasivo-agresivo , el perceptrón estructurado y sus muchas variedades.

  • La avena

    El winnow ha sido reformulado como métodos de gradiente exponencial , y también puede aplicarse a problemas estructurados . También hay variedades que tratan directamente con la regularización L1 (para garantizar la escasez), como SMIDAS .

  • Descenso de gradiente estocástico

    El descenso de gradiente estocástico es cuando aplica la optimización en línea a un posible problema por lotes. Los algoritmos de última generación son LaSVM , Pegasos de Leon Bottou , y muchos algoritmos de redes neuronales se pueden entrenar fácilmente en este entorno. Vea el tutorial de Theano para muchos ejemplos. Tal vez EM en línea encaja aquí.

  • filtrado de partículas

    Esto también se conoce como inferencia rao-blackwellized, y le permite actualizar un modelo gráfico / probabilístico a medida que llegan más datos. Algunos buenos ejemplos son los modelos de temas en línea y el tutorial de NIPS sobre SMC .

También hay algunos problemas más amplios con el aprendizaje en línea, como la conversión en línea a lote , técnicas de presupuesto para el aprendizaje en línea con núcleos (como este documento , este documento y este documento ), muchos sabores diferentes de límites de generalización, preocupaciones de escasez (y también el documento de SMIDAS que cité anteriormente), hashing para ahorrar memoria y muchos otros problemas.


Respuesta muy informativa!
Tayfun paga el




1

Aprendizaje automático - Materiales del curso - Stanford http://www.stanford.edu/class/cs229/materials.html

Video conferencias sobre aprendizaje automático e inteligencia artificial http://freescienceonline.blogspot.com/2007/07/machine-learning-and-artificial.html

Procesos gaussianos para el aprendizaje automático http://www.gaussianprocess.org/gpml/


1
Esto no habla específicamente sobre el aprendizaje en línea. El libro del proceso gaussiano apenas menciona las aproximaciones en línea a los procesos gaussianos.
Alexandre Passos
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.