Aprendizaje de conjuntos extremos


Extremal Ensemble Learning (EEL) es un paradigma algorítmico de aprendizaje automático para la partición de gráficos . EEL crea un conjunto de particiones y luego usa la información contenida en el conjunto para encontrar particiones nuevas y mejoradas. El conjunto evoluciona y aprende a formar particiones mejoradas a través del procedimiento de actualización extrema . La solución final se encuentra logrando un consenso entre sus particiones miembro sobre cuál es la partición óptima. [1] [2]

Una implementación particular del paradigma EEL es el esquema de aprendizaje de conjunto extremo de red reducida (RenEEL) para dividir un gráfico. [1] RenEEL usa el consenso entre muchas particiones en un conjunto para crear una red reducida que se puede analizar de manera eficiente para encontrar particiones más precisas. Estas particiones de mejor calidad se utilizan posteriormente para actualizar el conjunto. Un algoritmo que utiliza el esquema RenEEL es actualmente el mejor algoritmo para encontrar la partición de gráficos con la máxima modularidad , que es un problema NP-difícil . [3]